1、 識別風險，發現價值 請務必閱讀末頁的免責聲明 1 1/4646 Table_Page 深度分析|計算機 證券研究報告 計算機行業計算機行業 GenAI 系列（一）系列（一）AI 大模型賦能大模型賦能 B 端應用，高端應用，高 ROI 場景將率先實現場景將率先實現 PMF 核心觀點核心觀點：模型效果提升模型效果提升+推理成本下降，為推理成本下降，為 AI 應用發展奠基。應用發展奠基。盡管存在關于Scaling Law 瓶頸的討論，但我們判斷大模型性能并未真正“撞墻”。雖然訓練端出現暫時的邊際效益放緩，但通過合成數據和推理階段的創新，大模型的性能增長潛力仍然強勁。未來，伴隨大模型技術的不斷進步，

2、以及推理成本的降低，應用端將會有更多可能性。AI 大模型賦能效率工具大模型賦能效率工具，提效能力是商業化關鍵提效能力是商業化關鍵。AI 大模型賦能的效率工具通過輔助內容生成、提效降本和加速決策等途徑，為企業帶來顯著的效益提升，增強其市場競爭力。AI 大模型賦能業務場景，核心在于提升附加值。大模型賦能業務場景，核心在于提升附加值。AI 大模型正在加速各行業的智能化變革，從具體業務場景看，商業化的核心在于提供更高的附加值。與傳統技術相比，AI 大模型通過強大的數據理解與生成能力，可以重塑客戶管理流程，以及賦能廣告投放、智能決策等場景，為企業創造直接價值。Agent 是未來發展的重要趨勢。是未來發展

3、的重要趨勢。通過人機交互模式的視角來觀察和分析 AI ToB 應用的發展現狀，可以發現不同模式下的應用場景逐漸清晰。AI Agent 作為智能系統，能夠感知和收集外部數據，識別數據中的模式并做出決策，最終執行所需的操作。而在 B 端場景中，由于業務場景較為明確，有較多的行業知識與數據積累，與 AI Agent 的感知理解、決策執行以及交互等特點較為適配。因此，Agent 有望成為 B 端應用的未來發展趨勢，應用前景廣闊。高高 ROI 場景將率先實現場景將率先實現 PMF。AI 大模型在辦公軟件和創意生成等場景中，處理能力有限，需要人工輔助干預，直接收益較低，對核心業務的貢獻影響難以量化，暫時難

4、以產生革命性的變化。而軟件開發、廣告投放和 CRM 等領域，由于具有較為標準化的任務和對效率提升的明確需求，能帶來可量化的投資回報，因此也能得到更快的市場采納，將率先實現產品市場契合。投資建議投資建議。AI 應用端，建議關注：第四范式、萬興科技、金山辦公、福昕軟件、商湯、虹軟科技、星環科技、金蝶國際、中科創達、新致軟件、泛微網絡、中控技術、賽意信息、漢得信息、鼎捷軟件、合合信息、同花順、九方智投控股、中科軟、佳發教育、衛寧健康、潤達醫療等；AI 算力端，建議關注：寒武紀、紫光股份、浪潮信息、中科曙光、神州數碼等。風險提示風險提示。GenAI 應用商業化落地的不確定性；AI 應用市場競爭加劇風險

5、；AI 生成內容存在知識版權糾紛風險。行業評級行業評級 買入買入 前次評級 買入 報告日期 2024-12-31 相對市場表現相對市場表現 分析師：分析師：劉雪峰 SAC 執證號：S0260514030002 SFC CE No.BNX004 021-38003675 分析師：分析師：周源 SAC 執證號：S0260523040001 0755-23948351 請注意，周源并非香港證券及期貨事務監察委員會的注冊持牌人，不可在香港從事受監管活動。相關研究：相關研究：計算機行業:比較試用DeepSeek 看模型走向應用的新跡象 2024-12-29 計算機行業:主題趨勢輪動搶跑背景下的更多選擇方

6、向 2024-12-22 計算機行業:券商新一代核心交易系統招標打破僵局 2024-12-19 聯系人：戴亞敏 021-38003697 -34%-21%-8%4%17%30%01/2403/2405/2408/2410/2412/24計算機滬深300 識別風險，發現價值 請務必閱讀末頁的免責聲明 2 2/4646 Table_PageText 深度分析|計算機 重點公司估值和財務分析表重點公司估值和財務分析表 股票簡稱股票簡稱 股票代碼股票代碼 貨幣貨幣 最新最新 最近最近 評級評級 合理價值合理價值 EPS(元元)PE(x)EV/EBITDA(x)ROE(%)收盤價收盤價 報告日期報告日期

7、（元（元/股）股）2024E 2025E 2024E 2025E 2024E 2025E 2024E 2025E 第四范式 06682.HK HKD 50.95 2024/12/03 買入 47.20-0.80-0.21-63.69-242.62-52.86-155.13-7.30-2.00 萬興科技 300624.SZ CNY 63.15 2024/10/25 增持 71.09 0.46 0.56 137.28 112.77 74.90 63.26 6.50 7.20 金山辦公 688111.SH CNY 286.39 2024/10/28 增持 308.61 3.42 4.13 83.74

8、 69.34 75.31 62.63 13.40 13.90 星環科技-U 688031.SH CNY 46.13 2024/04/26 買入 86.85-1.44 0.20-230.65-13.50 1.90 金蝶國際 00268.HK HKD 8.53 2024/09/27 買入 11.88 0.00 0.08-106.62 160.15 57.07-0.60 3.20 中控技術 688777.SH CNY 49.67 2024/10/23 增持 55.61 1.56 1.73 31.84 28.71 27.56 25.08 11.10 11.00 賽意信息 300687.SZ CNY 1

9、8.20 2024/10/29 買入 24.52 0.61 0.70 29.84 26.00 23.92 20.56 8.60 9.00 同花順 300033.SZ CNY 287.50 2024/10/25 買入 250.90 2.68 3.14 107.28 91.56 114.24 95.94 19.00 21.30 九方智投控股 09636.HK HKD 26.85 2024/12/30 買入 36.58 0.45 1.22 59.67 22.01 41.95 18.02 11.78 24.24 佳發教育 300559.SZ CNY 11.96 2024/04/26 買入 17.52

10、0.50 0.67 23.92 17.85 21.72 16.53 14.30 16.10 衛寧健康 300253.SZ CNY 7.16 2024/10/30 買入 8.44 0.19 0.26 37.68 27.54 26.22 20.98 6.60 8.10 寒武紀-U 688256.SH CNY 658.00 2024/12/27 買入 671.98-0.72 0.45-1462.22-690.17-5.30 3.20 紫光股份 000938.SZ CNY 27.83 2024/10/31 買入 34.40 0.86 1.15 32.36 24.20 17.33 13.90 6.80

11、8.30 浪潮信息 000977.SZ CNY 51.88 2024/10/31 增持 53.08 1.77 2.21 29.31 23.48 21.54 17.88 12.90 13.90 神州數碼 000034.SZ CNY 35.05 2024/09/30 買入 33.20 1.95 2.41 17.97 14.54 10.19 8.81 13.50 14.70 數據來源：Wind、廣發證券發展研究中心 備注：表中估值指標按照最新收盤價計算 qXpUgZmXyXzWpO7NcMbRsQqQsQrMfQoOmNfQoOsQaQpPxOvPsRrQMYnPnR 識別風險，發現價值 請務必閱讀

12、末頁的免責聲明 3 3/4646 Table_PageText 深度分析|計算機 目錄索引目錄索引 一、模型效果提升&推理成本下降，為 AI 應用發展奠基.6（一）模型效果提升，性能并未“撞墻”.6（二）推理成本下降，加速應用普及.7 二、AI 大模型賦能效率工具，提效能力是商業化關鍵.10（一）AI+軟件開發：性能趨同趨勢下，核心競爭點向用戶體驗轉移.10（二）AI+辦公軟件：COPILOT優化辦公流程，商業化效果仍需觀察.14（三）AI+創意生成：算力需求顯著增加，成本成為部署瓶頸.19 三、AI 大模型賦能業務場景，核心在于提升附加值.26（一）AI+廣告營銷：精準洞察用戶需求，智能投放

13、優化.26（二）AI+CRM：重塑客戶管理流程，從成本中心到價值創造.30（三）AI+決策智能：為客戶創造附加值，關鍵數據表現亮眼.33 四、AGENT 是未來趨勢，高 ROI 場景將率先實現 PMF.39（一）從 COPILOT到 AGENT，AI 大模型持續融入 B 端工作流.39（二）軟件開發、廣告投放和 CRM 等高 ROI 場景將率先實現 PMF.41 五、風險提示.44 識別風險，發現價值 請務必閱讀末頁的免責聲明 4 4/4646 Table_PageText 深度分析|計算機 圖表索引圖表索引 圖 1：Scaling Law 提出大模型性能與計算量、參數規模和數據量相關.6 圖

14、 2：Meta Llama 3.1 模型架構.7 圖 3：Open o1 模型性能隨著訓練和測試時間延長而提升.7 圖 4：模型推理成本持續下降.8 圖 5：GB200 NVL2 性能顯著提升.8 圖 6：百度文心大模型 API 日均調用次數.9 圖 7：MMLU Redux ZeroEval 得分 VS 輸入 API 價格（/1M Tokens）.9 圖 8：AI 大模型賦能軟件開發全流程.10 圖 9：GitHub Copilot 可以幫助開發者顯著提升代碼編寫速度與質量.11 圖 10：中國市場代碼生成產品能力水平對比.12 圖 11：代碼生成產品能力發展路線圖.12 圖 12：Copi

15、lot 根據用戶指令自動生成的 PPT 演示稿.15 圖 13：Copilot 根據用戶指令自動生成 Word 文字.15 圖 14：Microsoft 365 Copilot 工作原理.15 圖 15：Excel 中 Copilot 支持使用 Python 進行數據分析.16 圖 16：PowerPoint 中用戶與 Copilot 共同創建文稿.16 圖 17：FY22Q2-FY24Q3 Office 365 商業版訂閱數和營收增速對比.16 圖 18：FY24Q1-FY25Q1 Microsoft 365 商業版訂閱數及云收入同比增速.16 圖 19：金山辦公 WPS AI 2.0 功能

16、一覽.17 圖 20：金山辦公 WPS AI 正式開啟商業化.18 圖 21：AI 視頻生成賦能創意相關領域.20 圖 22：DiT（Diffusion-Transformer）架構.20 圖 23：Sora 交互界面.21 圖 24：視頻生成操作消耗的 Credit.22 圖 25：視頻編輯操作消耗的 Credit.22 圖 26：海螺 AI 視頻交互界面.22 圖 27：DiT-XL 的訓練與推理成本比較.23 圖 28：Sora 的訓練與推理成本比較.23 圖 29：AI 大模型可以賦能廣告營銷全流程.26 圖 30：機器學習算法 AXON 促進廣告主與發布商之間的匹配.27 圖 31：

17、AppDiscovery 客戶案例.27 圖 32：2022-2023 年 SparkLabs 利用生成式 AI 創作的廣告創意.28 圖 33：Applovin 分業務營收和營收增速.28 圖 34：谷歌利用生成式 AI 簡化廣告制作.29 圖 35：百度營銷平臺輕舸助力效率效果雙重提升.29 圖 36：AI 大模型賦能銷售流程.30 圖 37：AI 大模型賦能智能客服流程.31 圖 38：Agentforce 助力企業在各種行業和場景中快速構建和部署 AI Agent.31 圖 39：HubSpot 產品矩陣.32 圖 40：決策系統在自動駕駛領域的應用.33 識別風險，發現價值 請務必閱

18、讀末頁的免責聲明 5 5/4646 Table_PageText 深度分析|計算機 圖 41：決策智能是生成式 AI 的典型應用場景.34 圖 42：Palantir 收入及同比增速.35 圖 43：Palantir 凈利潤.35 圖 44：基于 Sage AIOS 開發的水務大模型.36 圖 45：式說大模型根據 2D 圖片找到 3D CAD 文件.37 圖 46：基于式說大模型的 MOM 助手界面.37 圖 47：數據分析與決策智能相關廠商銷售費用率.38 圖 48：數據分析與決策智能相關廠商應收賬款營收.38 圖 49：人類與 AI 協同的三種模式.39 圖 50：LLM 驅動的自主代理

19、系統.40 圖 51：Copilot 是用戶與智能體交互的界面.41 圖 52：Copilot Studio 推出定制 AI Agent 新功能.41 表 1：國內外 AI 軟件開發工具梳理.13 表 2：AI+辦公軟件分類與占比.14 表 3:國內外 AI 辦公軟件工具整理.19 表 4：海螺 AI 收費模式.23 表 5：國內外主要 AI 視頻產品梳理與對比.24 表 6:國內外 AI 創意生成工具整理.25 表 7：國內外 AI 廣告營銷工具梳理.30 表 8：國內外主流 AI+CRM 平臺梳理.33 表 9：商用 AIP 功能介紹.35 表 10：國內外 AI 決策智能工具梳理.38

20、表 11：客戶轉化率提升幅度和銷售人員數量減少幅度的敏感性分析.42 識別風險，發現價值 請務必閱讀末頁的免責聲明 6 6/4646 Table_PageText 深度分析|計算機 一、模型效果提升一、模型效果提升&推理成本下降，為推理成本下降，為 AI 應用發展奠基應用發展奠基（一）模型效果提升，性能并未（一）模型效果提升，性能并未“撞墻”撞墻”Scaling Law初遇瓶頸。初遇瓶頸。OpenAI在2020年的論文Scaling Laws for Neural Language Models中提出了Scaling Law，Scaling Law是一個經驗性公式，其含義為，大模型的性能主要與

21、計算量、參數規模和數據量三者的大小相關。當模型的計算量、參數規?；驍祿堪幢壤龜U大時，模型性能也與之成比例提升。然而，2024年以來，由于全球可獲取的訓練數據有限，疊加OpenAI GPT-5發布持續延期等事件，業內開始質疑大模型性能迭代在放緩，Scaling Law初遇瓶頸。圖圖 1：Scaling Law提出提出大模型性能與計算量、參數大模型性能與計算量、參數規模規模和數據量相關和數據量相關 數據來源：Scaling Laws for Neural Language ModelsKaplan 等，廣發證券發展研究中心 Scaling Law瓶頸的本質是數據瓶頸，合成數據和推理階段的瓶頸的本

22、質是數據瓶頸，合成數據和推理階段的Scaling Law將成為未將成為未來重要趨勢。來重要趨勢。隨著數據規模和模型復雜度的不斷增加，Scaling Law的邊際效益逐漸放緩。尤其是在訓練數據端，全球可獲取的優質訓練數據端已經逐漸觸及天花板，當前進一步在數量級上提升已相對困難。OpenAI前首席科學家Ilya提出，合成數據和Inference Scaling將成為未來發展的關鍵方向。今年以來，在這兩個領域也已經涌現出較多的創新成果。1.OpenAI、Anthropic和和Meta等眾多大模型廠商均在探索合成數據方向等眾多大模型廠商均在探索合成數據方向 據The Information報道，Ope

23、nAI o1模型將在下一代模型中的研發中扮演重要角色，通過高質量的合成數據來降低模型錯誤率；Anthropic在2024年6月發布的Claude 3.5 Sonnet也使用了合成數據，在多個測試中的表現優于GPT-4o；Meta Llama 3.1 405B 模型在約15萬億tokens的公開數據上進行訓練，而微調數據則涵蓋了超過2500萬個合成數據示例。識別風險，發現價值 請務必閱讀末頁的免責聲明 7 7/4646 Table_PageText 深度分析|計算機 圖圖 2：Meta Llama 3.1 模型模型架構架構 數據來源：Meta 官網，廣發證券發展研究中心 2.Open o1模型則

24、是模型則是Inference Scaling的典型案例的典型案例 Open o1模型通過將計算資源從大規模預訓練數據集重新分配至訓練和推理階段，充分驗證了 Scaling Law 在大模型推理端的持續有效性。根據 OpenAI 官網信息，o1 模型的性能隨著強化學習訓練時間的增加以及推理過程中思考時間的延長而顯著提升，展現出在優化推理效率與精度方面的潛力。圖圖 3：Open o1模型性能隨著訓練和測試時間延長而提升模型性能隨著訓練和測試時間延長而提升 數據來源：OpenAI 官網，廣發證券發展研究中心 盡管存在關于盡管存在關于Scaling Law瓶頸的討論，但我們判斷大模型性能仍然在持續提升

25、，瓶頸的討論，但我們判斷大模型性能仍然在持續提升，并未真正“撞墻”。并未真正“撞墻”。雖然在訓練階段出現暫時的邊際效益放緩，但通過合成數據和推理階段的創新，大模型的性能增長潛力仍然強勁，并未陷入停滯。未來，伴隨大模型技術的不斷進步，應用端場景將進一步拓寬，展現更多可能性。（二）推理成本下降，（二）推理成本下降，加速應用普及加速應用普及 模型模型架構與算法架構與算法革新帶動了革新帶動了大模型大模型推理成本降低。推理成本降低。過去一年內，上下文長度擴展、MoE（混合專家架構）的引入、集中規?；幚碚{用任務和異構資源池的應用等眾 識別風險，發現價值 請務必閱讀末頁的免責聲明 8 8/4646 Tab

26、le_PageText 深度分析|計算機 多模型架構與算法端的革新使得大模型的推理效率得到較大提升，成本持續下降。根據微軟在2024年Build開發者大會的演講內容，GPT-4自發布以來，性能提升了6倍，而成本則降低至原來的1/12，系統架構的優化正是實現提升的關鍵之一。圖圖 4：模型模型推理成本持續下降推理成本持續下降 數據來源：a16z，廣發證券發展研究中心 硬件優化同樣促進了推理成本下降。硬件優化同樣促進了推理成本下降。IDC數據顯示，2022年國內數據中心用于推理的服務器占比已達到58.5%，預計到2026年將提升至62.2%，表明推理端的需求正在快速增長。而通用GPU芯片與適用于推理

27、端邊緣計算的ASIC芯片也發展迅速。例如，英偉達的GB200 NVL72服務器相較于上一代，對于大模型推理性能提升30倍，成本和能耗降低25倍。此外，根據博通FY24Q4財報電話會議，其3nm XPU預計在2025年下半年大規模出貨，具有能效成本優勢。圖圖 5：GB200 NVL2 性能顯著提升性能顯著提升 數據來源：Nvidia 官網、廣發證券發展研究中心 推理成本降低趨勢下，模型廠商降價動作持續，推理成本降低趨勢下，模型廠商降價動作持續，加速加速應用應用普及普及。伴隨著成本的持續降低，2024年以來，DeepSeek、智譜AI、百度智能云、阿里云、字節跳動旗下的火山引擎、騰訊云等國內模型廠

28、商紛紛大幅下調旗下部分模型價格。此外，OpenAI、識別風險，發現價值 請務必閱讀末頁的免責聲明 9 9/4646 Table_PageText 深度分析|計算機 Meta、Anthropic等公司也相繼推出了優化后的大模型，提升了計算效率并降低了調用費用。這些降價動作降低了AI技術的門檻，能夠加速AI大模型的大規模商業化應用普及。圖圖 6：百度文心大模型百度文心大模型API日均調用次數日均調用次數 數據來源：Wind，百度財報電話會，2024 百度 AI 開發者大會，廣發證券發展研究中心 以國產模型DeepSeek-V3為例，在模型價格方面，DeepSeek-V3 API 服務定價調整為每百

29、萬輸入 tokens 0.5 元（緩存命中）/2 元（緩存未命中），每百萬輸出 tokens 8元，相較于DeepSeek-V2的輸入與輸出價格分別為1元/百萬tokens和2元/百萬tokens，有所提升。但與GPT、Claude等模型相比，具備較高的性價比優勢。圖圖 7：MMLU Redux ZeroEval得分得分 VS 輸入輸入API價格（價格（/1M Tokens）數據來源：DeepSeek 官微，廣發證券發展研究中心 但整體來看，但整體來看，目前的大模型降價措施覆蓋范圍仍顯有限目前的大模型降價措施覆蓋范圍仍顯有限。從模型層面看，部分廠商的降價往往集中在輸入端，而輸出端的價格保持不變

30、，或者僅對非主力大模型降價，具有一定的營銷導向。從服務層面看，降價主要集中在面向API基礎服務，而針對模型微調與部署或者提供獨占計算資源的高階服務，降價仍較為有限。因此，大模型廠商雖然通過市場反饋不斷調整價格區間和定價策略，但覆蓋范圍仍顯有限，要實現真正意義上的推理成本下降，從而推動應用端的全面爆發，尚需更多時間。0.52671502468101214162023年12月2024年4月2024年8月2024年9月2024年11月API日均調用次數（億次）單位：億次 識別風險，發現價值 請務必閱讀末頁的免責聲明 1010/4646 Table_PageText 深度分析|計算機 二、二、AI 大

31、模型賦能效率工具，提效能力是商業化關鍵大模型賦能效率工具，提效能力是商業化關鍵 AI大模型賦能效率工具的商業化關鍵在于“提效能力”“提效能力”。AI大模型賦能的效率工具通過輔助內容生成、提效降本和加速決策等途徑，為企業帶來顯著的效益提升，增強其市場競爭力。本節聚焦于軟件開發、辦公軟件和創意生成軟件開發、辦公軟件和創意生成三大場景，對于當前AI效率工具的商業化進展與挑戰進行分析。（一）（一）AI+軟件開發：軟件開發：性能趨同性能趨同趨勢下，核心競爭點向趨勢下，核心競爭點向用戶體驗用戶體驗轉移轉移 AI技術正逐步改變傳統軟件開發流程。技術正逐步改變傳統軟件開發流程。傳統軟件開發流程通常包括需求分析

32、、系統設計、編碼開發、集成測試、部署維護等階段。在這一完整流程中，開發者需要完成大量編碼、調試和測試工作，不僅費時費力，還容易因為人為錯誤導致風險。相比之下，AI輔助的軟件開發流程則更為高效準確。根據IDC數據，全球82%的開發人員已使用具有智能代碼生成功能的IDE或代碼編輯器，其中71%的人表示其編寫代碼40%以上由AI自動生成。而在中國市場，對于已經探索和應用GenAI的企業，有31%的人員已使用了代碼生成工具。具體來看，AI大模型在軟件開發流程中的應用主要體現在以下方面，其中編碼測試是主要場景：(1)需求分析和項目規劃：自動生成需求文檔，或進行需求優先級排序；(2)編碼測試：輔助代碼生成

33、、代碼審查以及自動化測試；(3)持續集成/持續部署（CI/CD）：優化CI/CD流程，自動檢測代碼變更，觸發構建和部署任務，減少手動干預；(4)監控：提供智能化的日志分析、自動化故障排除和性能優化建議。圖圖 8：AI大模型賦能軟件開發全流程大模型賦能軟件開發全流程 數據來源：通義靈碼AIGC+軟件開發新范式白皮書、廣發證券發展研究中心 GitHub和和OpenAI合作推出編程助手合作推出編程助手GitHub Copilot。GitHub Copilot可以顯著提升 識別風險，發現價值 請務必閱讀末頁的免責聲明 1111/4646 Table_PageText 深度分析|計算機 代碼編寫速度與質

34、量，根據GitHub官方博客，GitHub Copilot幫助開發者將通過所有單元測試的可能性提升了56%。同時，由GitHub Copilot輔助完成的代碼在可讀性、可靠性和簡潔性等維度上得到了專業評審的一致認可，審批通過率也有所提升，顯著縮短了錯誤修復和新功能部署的時間。圖圖 9：GitHub Copilot可以幫助開發者顯著提升代碼編寫速度與質量可以幫助開發者顯著提升代碼編寫速度與質量 數據來源：Github 官網，廣發證券發展研究中心 GitHub Copilot商業化進展商業化進展驗證了驗證了AI軟件開發軟件開發工具的商業可行性工具的商業可行性。自GitHub Copilot推出以來

35、，使用用戶數量攀升。根據微軟財報電話會議，FY24Q4，已有超過77000家組織采用了GitHub Copilot，同增180%。GitHub Copilot占GitHub年收入增長的40%以上，推動其年收入運行率達20億美元，其業務規模已經超過微軟收購 GitHub時的整體業務規模。而在FY25Q1，GitHub Copilot企業客戶環比增長55%。GitHub Copilot的商業化進展驗證了AI軟件開發工具的商業可行性，為未來其他AI軟件開發產品的研發和推廣樹立了標桿。在代碼生成等軟件開發任務中，評價產品的維度包含產品性能和用戶體驗：在代碼生成等軟件開發任務中，評價產品的維度包含產品性

36、能和用戶體驗：(1)產品性能：性能指標包括返回速度、生成內容的準確性、完整度、覆蓋范圍，以及對多輪對話的支持能力等，直接決定了代碼生成工具能否滿足開發者的基本需求。例如，在代碼補全任務中，快速響應能顯著提升編程流暢性；準確性通常體現在HumanEval和MBPP等公開評測集的得分上，反映模型的可靠性；覆蓋范圍則關注產品對多種編程語言和框架的支持廣度，而完整度和多輪對話能力則確保生成代碼的邏輯性和結構性更貼近實際開發需求。(2)用戶體驗：良好的用戶體驗不僅能提升開發效率，還能增加用戶的品牌忠誠度和滿意度。例如，百度智能代碼助手Comate內部采納率為46%，高活用戶的采納率超60%，真正吸引開發

37、者的可能是產品在細節體驗上的優化，如刪除不必要代碼時的處理邏輯或支持知識擴展與能力擴展等。根據IDC中國市場代碼生成產品評估報告，1H24，在代碼生成產品能力水平方面，國內頭部產品在解答完整度、代碼質量、注釋質量等方面差異不大，表明當前產 識別風險，發現價值 請務必閱讀末頁的免責聲明 1212/4646 Table_PageText 深度分析|計算機 品在性能層面已經達到相近水平，無法通過性能上的顯著差距拉開競爭。因此，在產品性能趨同的背景下，用戶體驗決定了工具是否能成為開發者的首選。產品不僅要滿足技術指標，還需從易用性、智能化、個性化和響應反饋等多個維度提升用戶體驗，以在市場中保持競爭優勢。

38、圖圖 10：中國市場代碼生成產品能力水平對比：中國市場代碼生成產品能力水平對比 數據來源：IDC，廣發證券發展研究中心 此外，此外，AI大模型加持的軟件開發產品的競爭或將更多依賴于生態構建。大模型加持的軟件開發產品的競爭或將更多依賴于生態構建。例如，與企業內部開發流程的深度整合、與第三方工具的互操作性，以及提供更全面的開發者支持（如培訓、文檔和社區資源）。此外，產品在跨團隊協作、復雜項目管理等特定場景中的適配能力也將成為新的競爭點。圖圖 11：代碼生成產品能力：代碼生成產品能力發展路線圖發展路線圖 數據來源：IDC，廣發證券發展研究中心 在多重因素的在多重因素的驅動驅動下，下，AI軟件開發工具

39、有望成為商業化落地的優先場景。軟件開發工具有望成為商業化落地的優先場景。首先，因為軟件開發本身高度標準化、流程化，代碼編寫、測試、調試、文檔生成等環節工作量大且重復性高，AI大模型能夠提升開發效率，減少人工投入。其次，AI與開發工具 識別風險，發現價值 請務必閱讀末頁的免責聲明 1313/4646 Table_PageText 深度分析|計算機 的適配性較強，代碼編輯器、IDE等工具可以低成本地嵌入大模型功能，易于落地。此外，開發者對新技術的接受度也較高，AI賦能的開發工具能夠快速被廣泛應用，從而加速商業化進程。表表 1：國內外國內外AI軟件開發工具梳理軟件開發工具梳理 地區地區 公司公司 代

40、碼代碼 產品產品 國內國內 字節跳動/豆包 MarsCode 智譜 AI/CodeGeeX 阿里巴巴 09988.HK 通義靈碼 商湯科技 00020.HK 代碼小浣熊（Raccoon）百度 09888.HK 文心快碼 科大訊飛 002230.SZ iflycode 眾安保險 06060.HK DevPilot 硅心科技/aiXcoder 騰訊 00700.HK 騰訊云 AI 代碼助手 國外國外 Amazon AMZN Amazon Q Developer Anysphere/Cursor Codota/tabnine Replit/Replit Agent Microsoft MSFT Gi

41、tHub Copilot Cognition CGTX Devin Augment/Augment Code StackBlitz/Bolt.new 數據來源：各公司官網、廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 1414/4646 Table_PageText 深度分析|計算機 （二）（二）AI+辦公軟件：辦公軟件：Copilot 優化辦公流程，商業化效果仍需觀察優化辦公流程，商業化效果仍需觀察 在在辦公場景辦公場景中，中，通過將通過將AI大模型大模型技術嵌入辦公軟件技術嵌入辦公軟件，可以可以顯著提升辦公效率和智能顯著提升辦公效率和智能化水平?；?。例如，基于自然

42、語言的交互，用戶可以快速完成數據分析、報告生成和內容創作等任務，減少人工操作時間。按功能和應用場景來劃分，AI賦能辦公軟件可分為AI+文字處理、AI+數據處理、AI+演示協作、AI+項目管理和AI+通訊協作五大類別，其中國內AI+文字處理軟件的占比最高，約為39%。表表 2：AI+辦公軟件分類與占比辦公軟件分類與占比 優勢優勢 國內產品國內產品 國外國外產品產品 2024 年年國內國內占比占比 AI+文字處理文字處理 智能編輯和語法檢查，減少拼寫和語法錯誤；自動摘要和智能推薦編輯功能，節省編輯時間；根據語義分析改進寫作風格和表達方式 騰訊智能文檔、必優科技合同嗖嗖 WriteMyPapers.

43、org Grammarly Inc.39%AI+數據處理數據處理 加速數據清洗、分析和建模過程；提供更準確的數據預測和預測模型；提供數據分析，輔助用戶準確決策。百度 GBI、商湯辦公小浣熊、云從科技 DataGPT DataRakgt Inc.Alteryx Inc.RapidMiner Inc.13%AI+演示協作演示協作 自動生成設計建議，節省制作演示文稿的時間；提供實時協作功能，可多人同時編輯和討論演示文稿。萬興科技萬興智演、艾斯萊德 islide Emaze inc.beautiful.ai inc.Tome inc.21%AI+項目管理項目管理 自動化任務分配和報告生成，加速項目執行

44、進度；風險識別和預測，幫助及時采取措施降低風險。冪律智能 MeFlow Timely Inc.Clarizen Inc.4%AI+通訊協作通訊協作 智能消息處理和語音轉文字，提高溝通效率的速度和準確性。智能提醒和通知功能，提升個性化溝通體驗。字節飛書、阿里釘釘、騰訊會議 Zoom Workplace Otter.ai Inc.Cisco Webex 23%數據來源：頭豹研究院，廣發證券發展研究中心 備注：2024 年國內占比數據截至 2024 年 4 月初 2023年年3月，微軟發布月，微軟發布Microsoft 365 Copilot。Copilot是基于大模型開發的辦公輔助工具，通過嵌入C

45、opilot，微軟打通了Word、PowerPoint、Excel、Outlook、Teams等各軟件產品間內容共享的通道，原本各自獨立的辦公軟件可以根據用戶的指令自動引用全類別Office軟件中的既有內容，并自動編輯成滿足客戶需求的內容。例如，嵌入了Copilot的Word軟件可根據用戶指令自動生成文字；嵌入了Copilot的Powerpoint軟件根據用戶指令不僅可以自動生成演示稿的文字和圖片等內容，還能實現演示稿的美化、添加動畫等高級功能；嵌入了Copilot的Excel軟件則可以根據用戶指令自動生成分析表格并可視化為柱狀圖、曲線圖等圖表。識別風險，發現價值 請務必閱讀末頁的免責聲明 1

46、515/4646 Table_PageText 深度分析|計算機 圖圖 12：Copilot根據用戶指令自動生成的根據用戶指令自動生成的PPT演示稿演示稿 圖圖 13：Copilot 根據用戶指令自動生成根據用戶指令自動生成Word文字文字 數據來源：微軟官網，廣發證券發展研究中心 數據來源：微軟官網，廣發證券發展研究中心 Microsoft 365 Copilot的運行依賴于一套高效且安全的數據處理流程。的運行依賴于一套高效且安全的數據處理流程。在用戶輸入提示后，Copilot會使用接地處理（Grounding）優化提示內容，并通過Microsoft Graph訪問用戶數據，包括電子郵件、文

47、件和聊天記錄等，確保響應的相關性和準確性。優化后的提示會被傳輸至大語言模型，生成與用戶任務上下文相關的回復內容，最終Copilot將生成的結果返回至用戶使用的應用程序。所有數據在傳輸過程中均通過加密保護，確保隱私和安全。圖圖 14：Microsoft 365 Copilot工作原理工作原理 數據來源：微軟官網，廣發證券發展研究中心 2024年以來年以來，Copilot功能和性能大幅升級功能和性能大幅升級。2024年以來，微軟針對Copilot產品推出了超過150項新功能，進行了超過700次產品升級。微軟在24年9月推出的Copilot Wave 2可賦能Excel軟件中使用Python繪制圖表

48、，Powerpoint中生成帶有企業客戶logo的模板等。此外，Copilot Page和Agent功能，將個人工作中的數據、流程、思路隨時分享給團隊，有效提升團隊協作場景的工作效率。根據微軟官網，在GPT4-o的加持下，Copilot的響應速度平均提升了兩倍以上，用戶對響應的滿意度提高了近三倍。Copilot Wave 2與辦公應用場景更加深入和緊密的結合，有效解決需求痛點，識別風險，發現價值 請務必閱讀末頁的免責聲明 1616/4646 Table_PageText 深度分析|計算機 有望擴大用戶覆蓋面。根據微軟財報電話會議，Copilot的用戶在FY24Q4環比增長了60%。圖圖 15：

49、Excel中中Copilot支持使用支持使用Python進行數據分析進行數據分析 圖圖 16：PowerPoint中用戶與中用戶與Copilot共同創建文稿共同創建文稿 數據來源：微軟官網，廣發證券發展研究中心 數據來源：微軟官網，廣發證券發展研究中心 辦公類軟件在辦公類軟件在AI加持下商業化落地加持下商業化落地，但但商業化效果仍有待觀察。商業化效果仍有待觀察。2023年11月，在Copilot正式開啟商業化應用后，Office產品的營收增速有短暫的提升。FY24Q1-Q3，Office365商業版產品的收入增速分別為18%、17%、15%，高于其同期訂閱數的同比增速10%、9%和8%，反映了

50、ARPU值有較大提升。今年以來，針對Copilot應用，盡管微軟推出了超過150項新功能，進行了超過700次產品升級，但其營收增速持續下滑。FY24Q1-FY25Q1，Microsoft 365商業版云收入營收增速分別為20%、20%、17%、15%和13%。一方面，微軟Copilot面向B端用戶收取30美元/月的訂閱費或影響其向中小型企業用戶的拓展；另一方面，Copilot賦能辦公軟件的功能和性能還不夠成熟，下游用戶接受度仍有待提升。因此，AI賦能辦公類軟件帶來的商業化效果仍有待觀察。圖圖 17：FY22Q2-FY24Q3 Office 365商業版訂閱數和商業版訂閱數和營收增速對比營收增速

51、對比 圖圖 18：FY24Q1-FY25Q1 Microsoft 365商業版訂閱數商業版訂閱數及云收入同比增速及云收入同比增速 數據來源：微軟財報，廣發證券發展研究中心 數據來源：微軟財報，廣發證券發展研究中心 金山辦公在金山辦公在AI方向的布局主要圍繞方向的布局主要圍繞WPS AI展開，展開，致力于致力于提升辦公軟件的智能化水提升辦公軟件的智能化水平。平。2023年4月，公司預告WPS AI即將上線，11月開啟公測。此后產品持續升級迭代，并于2024年7月推出WPS AI 2.0，新增AI寫作助手、AI閱讀助手、AI數據助手和AI設計助手四個AI辦公助手，以及面向企業客戶的WPS AI企業

52、版和面向政務的WPS 0%4%8%12%16%20%Office 365商業版訂閱數同比增速Office 365商業版營收同比增速2023年11月，微軟正式推出Microsoft 365 Copilot0%5%10%15%20%25%FY24Q1FY24Q2FY24Q3FY24Q4FY25Q1M365商業版訂閱數YoYM365商業版云收入YoY 識別風險，發現價值 請務必閱讀末頁的免責聲明 1717/4646 Table_PageText 深度分析|計算機 AI政務版，為個人用戶和企業用戶提供全方位的智能辦公支持。WPS AI 2.0從用戶需求出發，兼顧各類辦公場景從用戶需求出發，兼顧各類辦公

53、場景。在個人用戶方面，AI寫作助手通過AI伴寫功能實現內容創作的實時輔助，無需輸入提示詞即可自動續寫內容；AI閱讀助手升級了對文檔的解析、總結和問答效果，能夠針對PDF格式的學術文章提供關鍵詞、摘要、正文總結以及研究結論和方法；AI數據助手能夠處理表格中的海量數據，利用自然語言轉換代碼并執行分析；AI設計助手高效完成排版、設計風格和圖片處理等工作，使文檔更加清晰規范。此外，面向企業，提供AI Hub智能基座、AI Docs智能文檔庫和Copilot Pro企業智慧助理。面向政務場景，構建政務辦公模型，擅長公文寫作，能夠針對特定公文類型進行撰寫，實現無口語化描述且按照公文風格輸出。圖圖 19：金

54、山辦公：金山辦公WPS AI 2.0功能一覽功能一覽 數據來源：金山辦公官微，廣發證券發展研究中心 WPS AI功能優化推動會員體系升級：功能優化推動會員體系升級：(1)2023年4月17日，WPS將原有的WPS會員、稻殼會員及超級會員合并升級，推出全新WPS超級會員，并提供基礎和Pro兩個套餐，同時預告WPS AI即將上線；(2)2024年3月，會員體系升級為WPS超級會員、WPS AI會員以及WPS大會員。原來的WPS超級會員用戶/超級會員Pro用戶可以選擇補差價將原會員升級為 WPS大會員（包含WPS AI會員權益+WPS超級會員權益）。WPS AI帶動帶動WPS收入增長收入增長。從20

55、24年3月WPS AI正式商業化開始到2024年6月底，提供AI功能的WPS AI會員與WPS大會員累計年度付費個人用戶數已經超百萬，帶動各項業務數據快速增長。2024H1，其國內個人辦公服務訂閱業務營收達15.3億元。同增22%。2024Q3，WPS Office PC版月度活躍用戶數達2.8億人，同增7%；累計付費用戶數達3815萬人，同比增長15%。識別風險，發現價值 請務必閱讀末頁的免責聲明 1818/4646 Table_PageText 深度分析|計算機 圖圖 20：金山辦公：金山辦公WPS AI開啟商業化開啟商業化 數據來源：金山辦公官微，廣發證券發展研究中心 產品價值仍需挖掘產

56、品價值仍需挖掘+需求非剛性，需求非剛性，AI賦能辦公軟件商業化空間尚未完全打開。賦能辦公軟件商業化空間尚未完全打開。在辦公場景，文檔生成、數據分析等生成式AI功能相較傳統工具的效率提升有限，難以形成顯著競爭優勢。同時，現有AI大模型在滿足用戶個性化需求方面仍顯不足，導致用戶對其價值的認知較為有限。此外，AI功能多定位為輔助工具，用戶并不依賴其完成核心任務，這使得現階段難以觸發深層次的使用痛點。對大多數用戶而言，AI功能更多是優化現有流程，而非滿足剛性需求，因此商業化空間尚未完全打開。我們認為，要突破AI+辦公軟件商業化困境，需要從兩個方面入手：一是提升產品力，一是提升產品力，通過強化AI功能的

57、差異化與個性化能力，進一步提高核心功能的實用性與用戶體驗；二是找到適配場景，培育剛性需求。二是找到適配場景，培育剛性需求。需要在提升產品力的基礎上，深入挖掘用戶痛點，將AI工具從“可選項”轉變為“必需品”，AI+辦公軟件的商業化空間才能打開。識別風險，發現價值 請務必閱讀末頁的免責聲明 1919/4646 Table_PageText 深度分析|計算機 表表 3:國內外國內外AI辦公軟件辦公軟件工具工具整理整理 地區地區 公司公司 股票代碼股票代碼 產品產品 金山辦公 688111.SH WPS AI 字節跳動-飛書 印象筆記-印象 AI 冪律智能-MeFlow 商湯科技 000020.HK

58、商湯辦公小浣熊 騰訊公司 000700.HK 企業微信/騰訊會議/騰訊智能文檔 百度 BIDU 百度 GBI 阿里巴巴 BABA 釘釘 國外國外 Otter.ai,Inc.-Otter.ai Booth AI,Inc.-booth.ai Grammarly Inc.-Grammarly Notion Labs Inc.-Notion AI Persana AI,Inc.-Persana AI Credal.ai,Inc.-Credal.ai Baselit,Inc.-Baselit AiPPT Tech,Inc.-AiPPT.com Zoho Corporation-zoho show Pit

59、ch Software GmbH-pitch Visme-visme Powtoon Ltd.-powtoon Slidebean Inc.-slidebean Cisco Systems,Inc.CSCO Cisco Webex 谷歌 GOOGL Google Workspace/slides 微軟 MSFT Microsoft Teams/Microsoft 365 Copilot/Microsoft 365 OneDrive Zoom Communications Inc.ZM Zoom Workplace Alteryx,Inc.AYX Alteryx AI Platform 數據來源

60、：各公司官網，廣發證券發展研究中心 （三）（三）AI+創意生成：算力需求顯著增加，成本成為部署瓶頸創意生成：算力需求顯著增加，成本成為部署瓶頸 在創意生成領域，在創意生成領域，AI大模型可以實現圖像、視頻、大模型可以實現圖像、視頻、3D內容的生成、編輯和優化內容的生成、編輯和優化。以視頻生成領域為例，生成式AI模型可以實現從文本到視頻、圖像到視頻等內容的自動化生成，同時支持高度定制化和實時交互。目前，AIGC視頻生成技術正加速滲透至社交媒體、傳統媒體、企業應用和電商平臺等行業。在社交媒體領域，TikTok、YouTube和Instagram等平臺通過AI生成內容推動品牌傳播和發展；在傳統媒體領

61、域，迪士尼、?？怂沟裙窘柚鶤I技術提升制作能力并優化營銷流程；在企業領域，AI工具被用于提升內容創作效率和優化后臺運營；而在電商領域，亞馬遜、Shopify等平臺通過AI生成廣告投放和產品演示視頻，大幅提升用戶體驗和營銷效果。識別風險，發現價值 請務必閱讀末頁的免責聲明 2020/4646 Table_PageText 深度分析|計算機 圖圖 21：AI視頻生成賦能視頻生成賦能創意創意相關相關領域領域 數據來源：FactorialFunds，廣發證券發展研究中心 DiT（Diffusion Transformer）逐漸成為當前文生視頻生成的主流架構。）逐漸成為當前文生視頻生成的主流架構。擴散

62、模型的原理是通過向訓練數據中添加高斯噪聲來破壞原始數據，然后通過逆轉這一加噪過程來學習如何恢復數據，在圖像生成領域具有優異表現。傳統的擴散模型大多采用卷積神經網絡（如U-Net）作為骨干網絡，而DiT則創新性地使用了Transformer作為主干網絡。Transformer具有較強的特征提取能力和全局信息交互機制，使得DiT在處理圖像數據中的復雜關系時表現更加出色。在生成過程中，DiT利用隨機噪聲作為初始輸入，經過多次迭代逐步去噪，最終生成清晰的圖像。每一步的去噪過程不僅依賴于當前的噪聲狀態，還受時間步長和文本提示的影響。這一機制使得模型在圖像生成過程中能夠實現精確的控制，提供更高質量的輸出結

63、果。圖圖 22：DiT（Diffusion-Transformer）架構）架構 數據來源：Scalable Diffusion Models with TransformersWilliam Peebles 等、廣發證券發展研究中心 OpenAI于于2024年初推出視頻生成產品年初推出視頻生成產品Sora，同樣基于，同樣基于DiT架構。架構。Sora利用了擴散模 識別風險，發現價值 請務必閱讀末頁的免責聲明 2121/4646 Table_PageText 深度分析|計算機 型和Transformer架構的優勢，在生成視頻的同時，也能夠精確控制視頻內容的細節和結構。與傳統的視頻生成模型相比，S

64、ora通過在生成過程中引入多層去噪機制，并結合文本提示、時間步長及其他條件輸入，使得視頻的質量和流暢性大幅提升。Sora在圖像生成的基礎上擴展了其能力，能夠處理更為復雜的時序信息和動態變化，生成高質量的連續視頻幀。每個視頻幀都通過逐步去噪的方式生成，并在多個時間步內保持圖像的一致性和連貫性，確保最終的視頻既清晰又富有創意。此外，Sora還通過大規模的預訓練和優化算法，增強了對不同場景和語境的適應能力，使其能夠在多種應用場景中生成令人驚艷的視頻內容。2024年年12月，月，OpenAI正式上線正式上線Sora，并引入了全新的交互界面和多種視頻編輯模，并引入了全新的交互界面和多種視頻編輯模式。式。

65、Sora允許用戶生成最高1080p分辨率、最長20秒的視頻，并支持寬屏、垂直和方形格式。此外，用戶可以保存預設風格，并一鍵分享作品到社區，極大地增強了創作和分享的便捷性。為了提升用戶體驗，Sora還提供了多個視頻編輯功能，包括Remix、Recut和Loop等模式，同時配備了故事板工具，使用戶能夠通過可視化的時間軸精確控制視頻生成過程。作為原始Sora模型的高級加速版本，此次發布模型優化了模型速度和響應時間，能夠以更低成本和更快的速度生成視頻，為用戶提供了更加高效、靈活的視頻創作體驗。圖圖 23：Sora交互界面交互界面 數據來源：OpenAI 官網，廣發證券發展研究中心 在定價方面，在定價方

66、面，Sora已包含在已包含在ChatGPT Plus和和Pro訂閱中，用戶無需額外付費。訂閱中，用戶無需額外付費。生成不同長度、質量的視頻會消耗不同數量的credit，Plus用戶每月1000 credits，最多可生成50個快速視頻，支持最高720p分辨率和5秒時長；而Pro用戶每月則有10000 credits，可生成最多500個快速視頻，以及無限制的慢速處理，支持最高1080p分辨率和20秒時長，并可無水印下載。此外，明年初將推出針對中小型企業等不同類型用戶的靈活定價方案。識別風險，發現價值 請務必閱讀末頁的免責聲明 2222/4646 Table_PageText 深度分析|計算機 圖

67、圖 24：視頻生成視頻生成操作操作消耗的消耗的Credit 圖圖 25：視頻編輯操作：視頻編輯操作消耗的消耗的Credit 數據來源：OpenAI 官網，廣發證券發展研究中心 數據來源：OpenAI 官網，廣發證券發展研究中心 同樣基于同樣基于DiT模型，模型，MiniMax于于2024年年8月月31日正式推出首款日正式推出首款AI原生視頻生成模型原生視頻生成模型video-01并在海螺并在海螺AI中上線。中上線。目前，abab-video-1大模型支持生成720p分辨率，25fps的高清視頻，具備電影感的鏡頭移動效果，并能根據文本描述快速創造出具有視覺沖擊力的內容，支持生成最長6s的視頻，下

68、個大版本即將支持生成最長10s的視頻。同時，支持文生視頻和圖生視頻兩種模式，用戶可以選擇通過純文字描述來生成視頻，也可以上傳一張參考圖配合文字描述來生成。目前，目前，MiniMax視頻模型在畫面質量、連貫性、流暢性等多維度均表現視頻模型在畫面質量、連貫性、流暢性等多維度均表現較為較為優秀：優秀：(1)在處理高動態、變化多的視頻信息時表現出色，同時保持高效的壓縮率；(2)支持多種視頻風格，例如，3D電影大片場景、2D動畫，以及中式風格、科幻風格或美漫風格；(3)支持原生高分辨率、高幀率視頻等特點。圖圖 26：海螺：海螺AI視頻交互界面視頻交互界面 數據來源：海螺官網，廣發證券發展研究中心 vid

69、eo-01在海螺在海螺AI中上線后，市場反映積極。中上線后，市場反映積極。根據AI產品榜公眾號數據，2024年9月，海螺AI訪問量增速超800%，在AI產品榜的9月全球增速榜和國內增速榜雙榜單均排 識別風險，發現價值 請務必閱讀末頁的免責聲明 2323/4646 Table_PageText 深度分析|計算機 第一。目前，海螺AI主要通過會員訂閱制服務和出售生成視頻會耗費的貝殼來實現盈利，會員分為免費、基礎會員和高級會員三種類型，免費用戶每日簽到會贈送100貝殼，而單次生成需要消耗30貝殼，當貝殼余額不夠時，可以單獨購買貝殼；而基礎會員享受的功能更多，除每日簽到外每月還會額外獲得1000貝殼，

70、而高級會員功能最多，每月無限貝殼，適合重度創作者。表表 4：海螺：海螺AI收費模式收費模式 會員類型會員類型 價格（年度）價格（年度）價格（單月）價格（單月）權益權益 免費￥0/年￥0/月 每日簽到貝殼獎勵，最多同時添加 3 個生成任務，下載視頻無水印 基礎會員￥735/年￥68/月 每日簽到貝殼獎勵，每月 1000 貝殼，快速生成通道，最多同時添加 5 個生成任務，雙并生成任務，下載視頻無水印，優先體驗新功能 高級會員￥7992/年￥666/月 每月無限貝殼，暢享生成，快速生成通道，最多同時添加 5 個生成任務，雙并生成任務，下載視頻無水印，優先體驗新功能 數據來源：公司官網、廣發證券發展研

71、究中心 視頻生成的訓練和推理成本較為高昂，對算力造成了較大挑戰。視頻生成的訓練和推理成本較為高昂，對算力造成了較大挑戰。根據FactorialFunds測算，訓練成本方面，將DiT從圖像生成擴展到視頻生成時，計算需求顯著增加，主要體現在視頻的時間維度壓縮、模型參數量增長和數據集規模增加等方面。DiT是Sora的技術基礎，其最大模型DiT-XL具有6.75億參數，訓練總計算預算約為1021FLOPS，相當于1張H100運行12天。而Sora的訓練計算預算范圍被估算為1.1X1025FLOPS2.7X1025FLOPS，大約需要4211至10528張H100運行1個月。而在推理成本方面，預估每張H

72、100每小時生成5分鐘視頻，進一步凸顯了視頻生成模型在算力方面的巨大需求。圖圖 27：DiT-XL的訓練與推理成本比較的訓練與推理成本比較 圖圖 28：Sora的訓練與推理成本比較的訓練與推理成本比較 數據來源：FactorialFunds，廣發證券發展研究中心 數據來源：FactorialFunds，廣發證券發展研究中心 此外，從技術上來看，視頻生成面臨生成內容質量和效率此外，從技術上來看，視頻生成面臨生成內容質量和效率均有待提升均有待提升。從生成內容質量來看，視頻模型的生成能力好壞體現在三個維度：第一，準確性，即判斷生成的視頻內容是否和輸入的prompt或圖片匹配，符合用戶預期；第二，一致

73、性，即生成的視頻中的主體、背景和運動是否有連貫性，是否符合真實世界的物理規律；第三，識別風險，發現價值 請務必閱讀末頁的免責聲明 2424/4646 Table_PageText 深度分析|計算機 信息豐富度，即在一段時間內生成的視頻是否能夠呈現足夠的故事性。從生成效率來看，當前生成視頻的時長普遍較短，大部分在幾秒到兩分鐘以內，等待時間比較長，難以滿足更復雜的商業化場景需求。因此，目前因此，目前AI視頻商業化仍面臨視頻商業化仍面臨成本與技術的雙重挑戰成本與技術的雙重挑戰。表表 5：國內外主要國內外主要AI視頻產品梳理與對比視頻產品梳理與對比 生成方式生成方式 視頻時長視頻時長 等待時間等待時間

74、 收費模式收費模式 其他功能其他功能 快手可靈快手可靈 圖生視頻 文生視頻 5s、10s 可續寫至最長 3 分鐘 3 分鐘 以 5s 標準品質視頻為例，每月可免費生成 18 個。開通不同級別會員可贈送靈感值。生成模式區分為標準以及高品質。高品質下畫質更佳但生成速度變慢。字節即夢字節即夢 圖生視頻 文生視頻 對口型生視頻 5s 1 分鐘 每日可免費生成 12 次 5s 時長視頻。開通會員可獲得免費次數，并且視頻更流暢（可補幀到最高 60FPS)四種視頻模型：視頻 s2.0（更快的生成速度，兼顧高品質效果）、視頻 s 2.0 pro、視頻 p2.0 pro、視頻 1.2（各方面都有較平衡的表現）智

75、譜清影智譜清影 圖生視頻 文生視頻 5s、10s、16s（近期上線）8 分鐘 開通會員可以無限次生成、并可選擇畫質更佳、4k 分辨率、60 幀率、10s 視頻時長以及 AI 音效?？梢詫ξ纳曨l選擇視頻風格、情感氛圍、運鏡方式。愛詩科技愛詩科技PixVerse 圖生視頻 文生視頻 5s、8s 45 秒 以 5s 視頻為例，初始贈送 3 次免費生成次數，后每日贈送一次。開通會員可享更多生成次數、去除水印、快速生成等權限。最新 V3 版本相比之前版本新增特效、風格選項。生數科技生數科技Vidu 圖生視頻 文生視頻 參考生視頻 4s、8s 1 分鐘 以 4s 極速品質視頻為例，每月贈送 20次免費生

76、成次數。開通會員可獲得額外次數，8s 視頻時長、高清晰度等。清晰度支持極速、720p、108p 三種清晰度選項。運動幅度有自動、小、中、大四種選項。Sora 圖生視頻 文生視頻 5s-22s 1 分鐘 Plus 用戶每月 1000 credits，最多可生成 50 個快速視頻，支持最高 720p 分辨率和 5 秒時長；而 Pro 用戶每月則有10000 credits，可生成最多 500 個快速視頻，以及無限制的慢速處理，支持最高 1080p 分辨率和 20 秒時長，并可無水印下載。創新的 AI 驅動的過濾器、動態 3D 效果和動畫、AI 輔助故事板、精密運動跟蹤等，通過采用這些即將推出的功能

77、 Sora AI 準備重新定義視頻創作的格局，為全球用戶提供無與倫比的效率、創造力和可訪問性。Pika 圖生視頻 文生視頻 5s 每月可免費生成 10 個視頻，開通會員可獲得更多生成次數、加速視頻生成以及Pika 1.0 使用權限。Pikafects 特效庫：提供了一系列預設的特效模板，如“膨脹”、“擠壓”、“壓碎”、“炸”、“融化和“蛋糕化”，可以輕松應用特效來創造 有趣的視頻效果。Runway 圖生視頻 文生視頻 視頻生視頻 5s、10s 25s 以 Gen-3 Alpha Turbo 生成 5s 視頻為例，初始 125 積分可免費生成 5 次。開通會員可使用 Gen-3 Alpha 模型

78、更快生成視頻。三種不同模型選擇：Gen-3 Alpha Turbo、Gen-3 Alpha、Gen-2 數據來源：各公司官網、廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 2525/4646 Table_PageText 深度分析|計算機 表表 6:國內外國內外AI創意生成工具整理創意生成工具整理 地區地區 公司公司 代碼代碼 產品產品 國內國內 阿里巴巴 BABA 通義萬相 美圖 001357.HK 美圖奇想大模型 快手 001024.HK 可靈 AI1.5 騰訊 000700.HK 混元 智譜 AI/清影 MiniMax/海螺 Al 生數科技/Vidu 愛詩科技/Pi

79、xVerse V3 字節跳動/Dreamina 即夢 AI/豆包 國外國外 OpenAI/Sora Runway AI/Runway Gen3 Pika Labs/Pika1.5 Luma AI/Dream Machine1.6 數據來源：各公司官網，廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 2626/4646 Table_PageText 深度分析|計算機 三、三、AI 大模型賦能業務場景，核心在于提升附加值大模型賦能業務場景，核心在于提升附加值 AI大模型正在加速各行業的智能化變革，從具體業務場景看，商業化的核心在于提提供更高的附加值。供更高的附加值。與傳統技術相

80、比，AI大模型通過強大的數據理解與生成能力，可以重塑客戶管理流程，以及賦能廣告投放、智能決策等場景，為企業創造直接價值。本節將選取廣告廣告營銷營銷、CRM和決策智能和決策智能三個典型業務場景，對于當前AI大模型賦能業務場景的商業化進展與挑戰進行探討。（一）（一）AI+廣告廣告營銷營銷：精準洞察用戶需求，智能投放優化：精準洞察用戶需求，智能投放優化 AI大模型可以從精準定向、投放優化和數據歸因等環節全面賦能廣告大模型可以從精準定向、投放優化和數據歸因等環節全面賦能廣告營銷營銷：(1)精準用戶畫像與需求預測精準用戶畫像與需求預測：傳統定向依賴于關鍵詞和靜態人群標簽，難以捕捉動態興趣和復雜情境，AI

81、大模型可以實時分析用戶短周期與長周期行為，建立更精細的用戶畫像，捕捉即時興趣，以及理解廣告主的業務和用戶需求，匹配最合適的廣告內容。(2)智能化出價與優化智能化出價與優化：AI大模型可以綜合分析廣告主的目標受眾、廣告預算、產品特點以及不同渠道的用戶流量、用戶屬性等因素，為廣告推薦最合適的投放渠道。通過對用戶行為數據的深度分析，能夠預測用戶在不同時間段的活躍程度和購買傾向，從而確定最佳的廣告投放時機。(3)實時檢測分析實時檢測分析：AI大模型可以實時監測廣告的投放效果，包括點擊率、轉化率、停留時間、互動率等關鍵指標，并進行深入分析。通過對大量數據的快速處理和比對，及時發現廣告投放中存在的問題和潛

82、在的優化空間，為廣告主提供及時、準確的反饋，以便其迅速調整廣告策略。(4)數據歸因與精細化分析：數據歸因與精細化分析：AI大模型可以整合多渠道數據，提供可視化分析工具，實時監測用戶轉化鏈路，全面衡量廣告效果。此外，通過分析用戶行為建立更科學的歸因模型，幫助廣告主精確評估每個營銷環節的貢獻，并優化未來投放策略。圖圖 29：AI大模型可以賦能廣告營銷全流程大模型可以賦能廣告營銷全流程 數據來源：微播易營銷智庫，廣發證券發展研究中心 AppLovin推出基于推出基于AI大模型大模型的廣告投放引擎的廣告投放引擎AXON 2.0。Applovin為各類企業提供端到端的軟件平臺和AI驅動的解決方案，幫助其

83、在全球范圍內實現用戶觸達、變現和增長。公司專注于解決廣告商在營銷和變現中的關鍵挑戰，通過技術和大規模分 識別風險，發現價值 請務必閱讀末頁的免責聲明 2727/4646 Table_PageText 深度分析|計算機 發能力幫助廣告商精準觸達目標受眾。同時，通過深度整合AI技術，精準優化廣告投放，提升廣告創意效率。2023年，AppLovin基于AI大模型推出了升級版的AXON 2.0廣告引擎，通過實時數據分析與預測模型優化廣告效果，能夠在廣告投放過程中自動優化廣告定位、競價與內容匹配，從而提升轉化率和用戶參與度。這種AI驅動的廣告優化可以幫助顯著降低成本，同時提升廣告投放的ROI。圖圖 30

84、：機器學習算法：機器學習算法AXON促進廣告主與發布商之間的匹配促進廣告主與發布商之間的匹配 數據來源：Naavik，廣發證券發展研究中心 AppDiscovery為企業實現了用戶獲取與廣告投資回報雙贏。為企業實現了用戶獲取與廣告投資回報雙贏。例如，DealDash利用該平臺提升了廣告效率，用戶獲取規模翻倍，并將單次購買成本降低22%，成功突破季節性限制；Rollic通過AppDiscovery的全球廣告優化功能，將旗下新游戲Twisted Tangle 推向全球30多個國家應用榜單前十，僅用六周便達成ROAS目標，同時顯著縮短了廣告學習階段；Mode Mobile則借助平臺的漏斗事件優化功能

85、，將D90 ROAS提升93%，并降低27%的CPE成本，成功獲取高價值用戶。圖圖 31：AppDiscovery客戶案例客戶案例 數據來源：Applovin 官網，廣發證券發展研究中心 AppLovin內部創意機構SparkLabs全面采用生成式AI技術來優化廣告創意流程，能夠在極短的時間內創建和測試多種廣告素材，大幅提高創意產出的效率和質量。通過生成式AI，SparkLabs能夠實時調整廣告內容，以響應市場趨勢和用戶反饋。例如，識別風險，發現價值 請務必閱讀末頁的免責聲明 2828/4646 Table_PageText 深度分析|計算機 系統可以自動生成多樣化的廣告素材，并根據廣告表現數

86、據進行優化，從而持續提升廣告效果。圖圖 32：2022-2023年年SparkLabs利用生成式利用生成式AI創作的廣告創意創作的廣告創意 數據來源：AppLovin 官網，廣發證券發展研究中心 AppLovin FY24Q3業績業績表現亮眼表現亮眼。FY24Q3，AppLovin收入達到12億美元，同增39%；凈利潤達4.34億美元，同增300%。其中軟件平臺業務收入同增65.56%，達到8.35億美元，主要得益于AI驅動的Axon引擎2.0的持續優化，顯著提升了廣告投放效率。此外，公司正加速開拓電子商務領域，預計將為未來業績提供新的增長點。AI大模型技術的應用不僅幫助提高了廣告投放的效率，

87、還拓展了電商和聯網電視等新興市場的機會，推動了整體業務的增長和盈利能力的提升。圖圖 33：Applovin分業務營收和營收增速分業務營收和營收增速 數據來源：Bloomberg，廣發證券發展研究中心 Google通過通過AI大模型賦能廣告制作與報價各環節，提升廣告效果。大模型賦能廣告制作與報價各環節，提升廣告效果。在搜索、Pmax、Demand Gen和Retail等產品中，谷歌通過AI簡化工作流程，增強創意資產制作，提升用戶體驗。例如，在Retail產品中，廣告制作環節，ProductStudio Al幫助客戶創造更具吸引力的廣告素材和購物體驗；廣告報價環節，相關AI工具使得廣告客戶平均利潤

88、提高了15%。Demand Gen工具計劃被整合到Display&Video 360和Search-50%0%50%100%150%200%250%02004006008001000120014002022Q12022Q22022Q32022Q42023Q12023Q22023Q32023Q42024Q12024Q22024Q3單位：百萬美元Software PlatformAppsSoftware Platform YoYApps YoY 識別風險，發現價值 請務必閱讀末頁的免責聲明 2929/4646 Table_PageText 深度分析|計算機 Ads360中，利用生成工具創建高質量圖

89、像，有望為搜索和Pmax產品提高14%以上的轉化率，提升廣告效果。圖圖 34：谷歌利用生成式：谷歌利用生成式AI簡化廣告制作簡化廣告制作 數據來源：谷歌官網，廣發證券發展研究中心 國內平臺方面，國內平臺方面，根據快手投資者日披露，快手AIGC視頻的客戶滲透率達到24%，日均生成10萬+廣告素材，商業化單月流水超千萬，說明AI營銷的實際效果已逐步被市場驗證。而百度上線的AI營銷平臺“輕舸”，可以全面提升廣告制作和投放的效率與效果，每天服務1.4萬客戶，其中智能投放產品AI MAX平均轉化率提升7.2%。圖圖 35：百度營銷平臺輕舸助力效率效果雙重提升百度營銷平臺輕舸助力效率效果雙重提升 數據來源

90、：百度營銷官微，廣發證券發展研究中心 AI大模型在廣告大模型在廣告投放投放領域的快速落地，核心原因在于領域的快速落地，核心原因在于其高投入產出比其高投入產出比。AI工具在內容生成、廣告投放和用戶轉化等環節，通過點擊率、轉化率等具體指標直接展現效果，使得廣告主清晰看到顯著的商業回報。此外，AI技術能夠實時監測廣告表現，持續優化投放策略，幫助廣告主實現投入產出比最大化。識別風險，發現價值 請務必閱讀末頁的免責聲明 3030/4646 Table_PageText 深度分析|計算機 表表 7：國內外國內外AI廣告廣告營銷營銷工具梳理工具梳理 地區地區 公司公司 股票代碼股票代碼 產品產品 國內國內

91、字節跳動/巨量引擎 快手 01024.HK 磁力引擎 百度 BIDU 輕舸 易點天下 301171.SZ zMaticoo 國外國外 AppLovin APP AXON 2.0 Adobe ADBE Adobe GenStudio Google GOOGL Performance Max Meta META Meta Advantage Influencity/Influencity 數據來源：各公司官網、廣發證券發展研究中心 （二）（二）AI+CRM：重：重塑塑客戶管理流程，從成本中心到價值創造客戶管理流程，從成本中心到價值創造 AI大模型正在逐步改變大模型正在逐步改變CRM工具的功能和應用

92、方式。工具的功能和應用方式。通過集成AI大模型技術，客戶關系管理（CRM）軟件能夠提供更精準的數據分析、個性化客戶服務、自動化任務處理等，幫助企業更智能高效地管理客戶關系。例如，在銷售場景中，AI大模型可以分析客戶的歷史行為、購買記錄、互動記錄等，為客戶提供個性化的推薦和溝通策略，從而提高其參與度和轉化率；在客服場景中，大模型可以更好地理解用戶的復雜表達，生成更自然擬人的回復，同時能夠提供24/7全天候支持，自動回答常見問題，有效提升用戶體驗。圖圖 36：AI大模型賦能銷售流程大模型賦能銷售流程 數據來源：SAPPHIRE，廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 3

93、131/4646 Table_PageText 深度分析|計算機 圖圖 37：AI大模型賦能智能客服流程大模型賦能智能客服流程 數據來源：沙丘社區2024 中國“大模型+智能客服”最佳實踐案例 TOP10，廣發證券發展研究中心 2024年年10月，月，Salesforce推出推出AI Agent平臺平臺Agentforce。Agentforce超越了傳統的ChatBot和Copilot功能，允許企業構建與部署AI Agent，通過數據、業務規則、預建自動化或來自其他系統的API 調用信號的變化來執行工作。Agentforce能通過可視化的配置工具輕松定制，開箱即用，無需復雜設置或開發。企業無需

94、從零搭建AI模型，可靈活支持24/7客戶支持、銷售流程優化和營銷活動提升等業務場景，以及醫療、金融、制造等行業的特定需求。Agentforce持續推廣與落地。持續推廣與落地。在Agentforce正式上線后的3天內，便構建了超過10000個Agent；FY25Q3，Salesforce拓展勢頭強勁，共簽署了2000多筆AI交易（其中超過200個Agentforce交易），而AI相關訂單中，超過100萬美元的大額訂單同增兩倍。為了滿足未來業務需求，計劃在未來招聘1000至2000名銷售人員。目前OpenTable、Saks和Wiley公司在內的一些主要客戶已經部署了Agentforce。Sale

95、sforce計劃在未來數月內推出更多適配不同領域和角色的Agentforce Agent，進一步拓寬Agentforce的行業適用性和場景覆蓋度，希望在未來2年為企業構建10億個AI agents。圖圖 38：Agentforce助力企業在各種行業和場景中快速構建和部署助力企業在各種行業和場景中快速構建和部署AI Agent 數據來源：Salesforce 官網，廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 3232/4646 Table_PageText 深度分析|計算機 HubSpot推出了推出了Breeze AI平臺和智能代理方案，通過平臺和智能代理方案，通過AI大

96、模型大模型實現內容創建、客戶實現內容創建、客戶數據分析和銷售支持的自動化。數據分析和銷售支持的自動化。HubSpot Breeze Copilot是一款AI驅動的助手，利用生成式AI和CRM數據，為用戶提供個性化的支持和快速解決方案。用戶可以通過與AI進行對話來簡化工作流程，提升工作效率。為降低中小企業的使用門檻，HubSpot取消了最低座席數量的限制，使企業能夠以更低的成本試用其核心CRM工具。同時，HubSpot憑借多產品組合（如銷售、服務和內容中心）吸引了希望整合管理多項業務的大型客戶。根據HubSpot FY24Q3財報，HubSpot總客戶數超23.8萬位，同增23%，反映了AI賦能

97、CRM領域帶來的強勁增長。圖圖 39：HubSpot產品矩陣產品矩陣 數據來源：公司官網、廣發證券發展研究中心 AI+CRM正在正在由由傳統的傳統的成本中心成本中心向價值向價值創造創造方向方向轉變。轉變。在商業化方面，越來越多的AI+CRM產品提供商采用更為靈活的定價方式，例如按效果、按使用量或按需求定制收費，讓客戶能夠更清晰地衡量投入與回報。例如，Intercom采用按問題解決收費的方式，每次成功解決客戶問題收費0.99美元；而Zendesk則提供按需付費和預付費折扣兩種靈活方案，客戶可以根據實際需求選擇；Salesforce Agentforce每次對話則收取2美金，并為高頻使用的客戶提供

98、標準量級折扣。這種“按量收費”的模式使得企業只需為實際使用的服務付費，而無需承擔固定訂閱費用，將收費與客戶實際獲得的服務結果直接掛鉤，客戶僅為具體問題付費，付費更具針對性，同時更為注重AI為企業實際創造的價值。對于中小型企業或對AI技術尚處于試用階段的企業，按量收費則降低了投資風險。若企業未能達到預期的使用量或需求發生變化，其成本也會隨之減少，進一步鼓勵企業嘗試和快速采用AI+CRM解決方案，從而推動商業化進程。識別風險，發現價值 請務必閱讀末頁的免責聲明 3333/4646 Table_PageText 深度分析|計算機 表表 8：國內外：國內外AI+CRM平臺梳理平臺梳理 地區地區 公司公

99、司 公司公司代碼代碼 產品產品 國內國內 瓴羊/Quick Service 百度智能云 BIDU 客悅 馴鹿 AI/馴鹿 AI 阿里云 BABA 通義曉蜜 快手 01024.HK 快語 國外國外 Amelia/Amelia Conversational AI Cognigy/Cognigy.AI Yellow.ai/Yellow.ai Genesys/Genesys Cloud CX Salesforce CRM Marketing Cloud Account Engagement HubSpot HUBS Sales Hub Amazon AMZN Project Amelia ZoomIn

100、fo ZI ZoomInfo Copilot Apollo AI/Apollo Observe.AI/Observe.AI 數據來源：各公司官網、廣發證券發展研究中心 （三）（三）AI+決策智能：為客戶創造附加值，關鍵數據表現亮眼決策智能：為客戶創造附加值，關鍵數據表現亮眼 決策智能（決策智能（Decision Intelligence），也稱為決策自動化（），也稱為決策自動化（Decision Automation），），指的是將規則引擎、機器學習和流程自動化等技術相結合，推動智能化決策的實現。指的是將規則引擎、機器學習和流程自動化等技術相結合，推動智能化決策的實現。決策智能不僅能夠幫助企業

101、減少人為干預和錯誤，還能加速決策速度，提升決策精度。在金融、交通、能源和醫療等行業，決策智能對企業優化運營管理效率、加強風險管理和提升競爭力具有重要影響。圖圖 40：決策系統在決策系統在自動駕駛領域的應用自動駕駛領域的應用 數據來源：Decision-Making Technology for Autonomous Vehicles:Learning-Based Methods,Applications and Future OutlookLiu等，廣發證券發展研究中心 識別風險，發現價值 請務必閱讀末頁的免責聲明 3434/4646 Table_PageText 深度分析|計算機 AI大模型

102、可以賦能決策全流程。大模型可以賦能決策全流程。AI大模型可以通過澄清復雜或模糊的問題描述，幫助決策者明確問題，并生成引導性問題，促進深入探索。在設計階段，AI大模型有助于問題的結構化，識別關鍵要素及其相互關系，并幫助制定評估備選方案標準。此外，AI大模型還能夠通過分析大量文本數據，生成潛在解決方案。而在決策選擇階段，AI大模型通過模擬不同情境，預測可能的結果，并借助歷史數據分析幫助決策者對不同選項進行評估，最終做出基于數據的明智選擇。因此，決策智能是生成式AI的典型應用場景。圖圖 41：決策智能是生成式決策智能是生成式AI的典型應用場景的典型應用場景 數據來源：Determinants of

103、LLM-assisted Decision-MakingEva等，廣發證券發展研究中心 Palantir發布發布AIP產品，將生成式產品，將生成式AI接入其核心產品接入其核心產品Foundry以及以及Gotham。Palantir是一家基于大數據和AI能力的決策智能系統供應商，成立于2003年，最早負責開發反恐行動中所需的應用軟件。其技術起源于PayPal反欺詐技術，強調對大數據處理的分析速度和靈活性。通過垂直整合各不同數據源，以及對結構化和非結構化的數據進行實時整合、分析來為用戶提供可視化的數據方案，幫助用戶做決策。2023年4月，Palantir發布基于大模型技術的AIP產品。Palant

104、ir AIP產品功能齊全，實現了構建、調試、開發的全流程賦能。產品功能齊全，實現了構建、調試、開發的全流程賦能。構建板塊主要為AI工作流構建者設計，涵蓋包括AI驅動的數據管道、AI驅動的邏輯構建、工作流可視化、工作流監控。如工作流監控功能可以實現記錄所有采取過的操作，并通過本體Ontology進行指標跟蹤，便于后期持續改進工作流程。迭代改進工作流功能中包括了邏輯調試、型號比對、以及持續監控，通過不斷改進和測試，持續優化性能并降低成本。在開發板塊中，開發人員可選擇在熟悉的IDE（集成開發環境）通過Ontology SDK安裝包無縫構建AI應用。識別風險，發現價值 請務必閱讀末頁的免責聲明 353

105、5/4646 Table_PageText 深度分析|計算機 表表 9：商用：商用AIP功能介紹功能介紹 功能功能 詳解詳解 為 AI 工作流構建者設計 AI 驅動的數據管道 將大語言模型集成到用戶的數據管道中，并實現規?；\行包括錯誤處理、自動重試、確保輸出格式正確以及其它生產級別的工具支持。AI 驅動的邏輯構建 構建、測試并發布由 AI 支持的功能模塊，這些模塊可以利用用戶應用程序中的 Ontology。工作流可視化 將 Ontology 和應用程序中涉及到的對象、函數、操作連接在一起，可以清楚看到每一項來源。工作流監控 記錄所采取的操作，并通過 Ontology 跟蹤這些指標，以后續改進

106、和調試工作流程。通過端到端工具對工作流進行迭代改進 調試邏輯 通過多組測試用例調試而改進 API 邏輯函數，確保 AI 功能的準確性 型號比對 比較不同 AI 模型的表現，并優化成本和性能 持續對最終表現進行監控 對 AI 性能進行持續測量，并自動發布測試結果到指標控制面板中 加速 AI 應用開發 以專業性的業務術語構建 AI 應用程序 基于以決策為中心的企業模型而開發 AI 驅動的應用程序 將 Otology SDK 運用于 IDE 中 開發人員可選擇在熟悉的 IDE 通過 Ontology SDK 安裝包無縫構建 AI 應用 最大限度的提供可重用性 通過 Ontology 實現復用企業表現

107、形式，推動 AI 應用構建的成本趨向于零。數據來源：Palantir 官網，廣發證券發展研究中心 AIP平臺推出后，平臺推出后，Palantir關鍵數據表現大幅提升。關鍵數據表現大幅提升。公司24年前三季度總收入達20.4億美元，同比23年前三季度的16.2億美元增長26%。收入增速在FY23Q2出現拐點，FY23Q2至FY24Q3分別為13%/17%/20%/21%/27%/30%。凈利潤方面，FY24Q3凈利潤達1.4億美元，同增100%。圖圖 42：Palantir收入及同比增速收入及同比增速 圖圖 43：Palantir凈利潤凈利潤 數據來源：Bloomberg，廣發證券發展研究中心

108、數據來源：Bloomberg，廣發證券發展研究中心 國內決策智能解決方案龍頭廠商第四范式在國內決策智能解決方案龍頭廠商第四范式在AIGC領域布局主要有兩個布局方向領域布局主要有兩個布局方向:(1)先知AI平臺：在傳統AI的基礎上，結合AI大模型能力，行業客戶通過平臺上傳不同模態的核心數據，以較低門檻訓練出解決核心問題的場景大模型；(2)式說AIGS服務：提出以AIGS戰略，發布式說大模型，以企業軟件系統改造為切入點，圍繞Copilot到CoT的技術迭代路徑，逐步明確發展方向，提升企業使用體驗與開發效率。446473 47850952553355860863467872613%17%20%21%

109、27%30%0%5%10%15%20%25%30%35%0100200300400500600700800收入（百萬美元）YoY公司推出AIP-101-179-1243117287293106134144-200-150-100-50050100150200凈利潤（百萬美元）識別風險，發現價值 請務必閱讀末頁的免責聲明 3636/4646 Table_PageText 深度分析|計算機 1.先知先知AI平臺：升級為行業大模型平臺平臺：升級為行業大模型平臺 公司在2024年3月發布先知平臺5.0版本，可以幫助構建行業基座大模型。例如，在水務領域，基于過去兩周機組子部件的運行狀態，先知平臺5.0可

110、以使用水電設備大模型“生成”未來一周子部件的運行狀態，并“生成”可能發生故障的設備、原因及維修方案。而基于汛期內水文數據及氣象數據，水務大模型可以“生成”未來一周的水文情況，識別發生洪水及相關次生災害險情，并自動“生成”一個應急預案。AI大模型通用性效果突破大大提升了各領域客戶智能化升級的意愿，而公司的先知平臺5.0可以幫助企業客戶快速打造特定場景的AI大模型，符合各行業客戶需求。圖圖 44：基于：基于Sage AIOS開發的水務大模型開發的水務大模型 數據來源：公司官網，廣發證券發展研究中心 2.推出式說推出式說AIGS服務，提供基于生成式服務，提供基于生成式AI的高效開發工具和服務的高效開

111、發工具和服務 生成式生成式AI提供企業軟件重塑可能。提供企業軟件重塑可能。企業在ERP、SCM和CRM等系統的部署中面臨較高成本和復雜的操作環境，因此企業軟件在滿足使用價值的優先級下有時會忽視用戶體驗，存在界面復雜、開發效率低下，功能迭代耗時等問題。在這種背景下，生成式AI提供了越過傳統界面設計、重塑企業軟件交互的可能性。由此，公司提出AIGS戰略提升企業軟件體驗與開發效率，并發布了式說大模型。式說大模型憑借多模態能力、式說大模型憑借多模態能力、Copilot功能和功能和CoT推理技術，廣泛應用于各領域。推理技術，廣泛應用于各領域。目前，式說已與上百家企業及合作伙伴合作，覆蓋金融、零售、制造、

112、醫療、物流等領域，展現了生成式AI在重塑行業流程與提升效率方面的巨大潛力。例如，在航空制造領域，式說通過支持二維搜三維、三維搜三維等高效搜索功能，成功解決了傳統工業設計軟件在零件查找與組裝中的效率瓶頸。在物流行業，式說幫助優化裝箱方案以提升運輸效率。在醫療領域，式說協助醫生高效管理患者隨訪。在零售行業，式說實現個性化推薦與營銷創作，推動企業智能化運營。識別風險，發現價值 請務必閱讀末頁的免責聲明 3737/4646 Table_PageText 深度分析|計算機 圖圖 45：式說大模型根據：式說大模型根據2D圖片找到圖片找到3D CAD文件文件 圖圖 46：基于式說大模型的：基于式說大模型的M

113、OM助手界面助手界面 數據來源：第四范式官網，廣發證券發展研究中心 數據來源：第四范式官網，廣發證券發展研究中心 對于決策智能產品軟件廠商而言，其下游客戶購買意愿與支付能力往往受到行業經對于決策智能產品軟件廠商而言，其下游客戶購買意愿與支付能力往往受到行業經濟狀況、企業自身盈利能力、投資預算等多重因素影響。濟狀況、企業自身盈利能力、投資預算等多重因素影響。例如，不同客戶群體的支付能力存在較大差異，在一些利潤較低的行業，客戶預算有限，導致不得不通過降價、延長付款周期等方式來促成交易。此外，若產品與服務的客單價較高，客戶可能需要在技術實施前進行深入了解和試用，而試用階段往往無法立即帶來回報。因此，

114、即便產品和服務具有較高價值，仍舊可能受到下游客戶購買意愿與支付能力的限制，導致市場拓展難度加大。以Palantir為例，就有不少客戶曾經使用Palantir的產品，但因為維護成本較高，且自身預算不夠充足而選擇終止與其合作。根據Bloomberg，好時、可口可樂、美國運通、納斯達克、家得寶都曾在合同到期后選擇與Palantir終止合作。因政府端客戶所涉及的大數據處理機密且敏感，很多都會涉及到國土安全層面，因此，美國之外的其他國家在合作方選擇方面有較大概率對Palantir這類公司產生排斥。法國國土安全總局在2019年和Palantir簽訂了4年的合同，但是出于政治安全考慮，在近兩年選擇更換合作伙

115、伴，更變為法國本土企業Cybergem Chapsvision和Blueway。市場的不確定性加大了銷售難度與回款周期，將對企業長期財務情況造成挑戰。市場的不確定性加大了銷售難度與回款周期，將對企業長期財務情況造成挑戰。從銷售費用率來看，為了實現客戶拓展，數據分析與決策智能相關廠商的銷售費用率較高，尤其是發展初期，對盈利水平造成了壓制。而較高的應收賬款營收占比也反映了其面臨的現金流風險和壞賬壓力。這些均對企業的長期財務穩健和可持續發展造成了挑戰。識別風險，發現價值 請務必閱讀末頁的免責聲明 3838/4646 Table_PageText 深度分析|計算機 圖圖 47：數據分析與決策智能相關廠

116、商銷售費用率：數據分析與決策智能相關廠商銷售費用率 圖圖 48：數據分析與決策智能相關廠商數據分析與決策智能相關廠商應收賬款營收應收賬款營收 占比占比 數據來源：Bloomberg，Wind，廣發證券發展研究中心 數據來源：Bloomberg，Wind，廣發證券發展研究中心 總結來看，以總結來看，以Palantir為例，為例，AIP助力其業務從傳統的大數據分析向生成式助力其業務從傳統的大數據分析向生成式AI加持的加持的決策智能轉型，關鍵數據表現大幅提升，但同樣面臨著諸多挑戰。決策智能轉型，關鍵數據表現大幅提升，但同樣面臨著諸多挑戰。我們發現，現階段的增長仍然保持在雙位數，反映了當前大模型主要是

117、對現有產品與服務的賦能增強，并未帶來從零到一的顛覆式變革。因此，生成式AI為下游客戶創造更多附加值，幫助企業提升競爭力的同時，盈利能力潛力和市場空間擴展仍需觀察。表表 10：國內外：國內外AI決策智能工具梳理決策智能工具梳理 地區地區 公司公司 代碼代碼 產品產品 國內國內 第四范式 06682.HK 4Paradigm AIGS 杉數科技/杉數 G+智能決策計算一體機 同盾科技/智策 星環科技 688031.SH 星環智能分析工具（Sophon）斐波那契/數字決策平臺（DDP）九章云極/DataCanvas RT 實時決策中心平臺 國外國外 Palantir PLTR Artificial

118、Intelligence Platform(AIP)Sisense/Sisense 平臺 Domo DOMO Domo 平臺 Tellius/Tellius 平臺 數據來源：2022 智能決策廠商全景報告、各公司官網、廣發證券發展研究中心 0%20%40%60%80%100%201820192020202120222023Palantir銷售費用率第四范式銷售費用率創新奇智銷售費用率星環科技銷售費用率0%20%40%60%80%100%201820192020202120222023Palantir應收賬款營收占比第四范式應收賬款營收占比創新奇智應收賬款營收占比星環科技應收賬款營收占比 識別風

119、險，發現價值 請務必閱讀末頁的免責聲明 3939/4646 Table_PageText 深度分析|計算機 四、四、Agent 是未來趨勢，高是未來趨勢，高 ROI 場景將率先實現場景將率先實現 PMF（一）從（一）從 Copilot 到到 Agent，AI 大模型持續融入大模型持續融入 B 端工作流端工作流 生成式生成式AI發展至今，逐漸衍生出了三種人機協同方式發展至今，逐漸衍生出了三種人機協同方式嵌入（嵌入（Embedding）、副）、副駕駛（駕駛（Copilot）和智能體（）和智能體（Agent）方式。）方式。三種人機協同方式對應不同的智能化與自動化程度，也代表著不同的應用模式，其中嵌入

120、模式指的是將GenAI能力嵌入至現有的產品與應用中，而副駕駛模式指的是AI輔助工作，Agent的智能化程度則更高，AI可以進行主動感知環境并進行自主決策。(1)嵌入（嵌入（Embedding）模式：）模式：用戶通過與AI進行語言交流，使用Prompt來設定目標，然后AI協助用戶完成這些目標，比如普通用戶向生成式AI輸入Prompt創作小說、音樂作品、3D內容等。在這種模式下，AI的作用相當于執行命令的工具，而人類擔任決策者和指揮者的角色；(2)副駕駛（副駕駛（Copilot）模式：）模式：人類首先會設定任務目標，AI介入到工作流程中，從提供建議到協助完成流程的各個階段，最后仍由人類修改調整并確

121、認。人類和AI在這個過程中關系更像是合作伙伴，共同參與到工作流程中，各自發揮作用，彼此互補；(3)智能體（智能體（Agent）模式：）模式：人類設定目標以及提供計算能力等必要資源，AI獨立地承擔大部分工作，最后人類監督進程并評估最終結果。這種模式下，AI充分體現了智能體的互動性、自主性和適應性特征，接近于獨立的行動者，而人類則更多地作為監督者和評估者。圖圖 49：人類與：人類與AI協同的三種模式協同的三種模式 數據來源：VION WILLIAMS 微信公眾號，廣發證券發展研究中心 AI Agent指能夠感知環境、進行自主理解、規劃決策和執行復雜任務的智能體。指能夠感知環境、進行自主理解、規劃決

122、策和執行復雜任務的智能體。OpenAI將AI Agent定義為“以大語言模型為大腦驅動，具備自主理解、感知、規劃、記憶和使用工具的能力，可自動化執行完成復雜任務的系統?！倍竽Ｐ蛣t是AI Agent實現的基礎和前提。在由LLM驅動的AI Agent系統中，LLM充當大腦，還包括 識別風險，發現價值 請務必閱讀末頁的免責聲明 4040/4646 Table_PageText 深度分析|計算機 記憶、規劃、工具等關鍵組件：(1)規劃（Planning）：代理將復雜問題分解為子目標，并通過自我反思不斷優化規劃過程；(2)記憶（Memory）：短期記憶（Short-term memory）處理上下文信

123、息，而長期記憶（Long-term memory）通過外部向量數據庫等實現信息的持續積累與調用；(3)工具（Tools）：通過調用外部API或工具，彌補其模型權重中的信息不足，從而完成更復雜、更精確的任務。圖圖 50：LLM驅動的自主代理系統驅動的自主代理系統 數據來源：LLM Powered Autonomous AgentsLilian Weng，廣發證券發展研究中心 微軟推出微軟推出Copilot Studio，構建智能體驅動業務流程升級。，構建智能體驅動業務流程升級。2024年11月，在Microsoft Ignite 2024大會上，Microsoft 365新推出了智能體功能，可以

124、使用Microsoft Copilot Studio中構建的智能體來改造業務流程。Copilot是用戶與智能體交互的界面，而Copilot Studio則是一個易于使用的平臺，讓用戶能夠創建、管理和將智能體連接到Copilot。微軟正在Microsoft 365中引入一系列設計的智能體，希望放大個人影響力并重塑企業業務流程。這些新智能體補充了微軟在2024年10月為銷售、服務、財務和供應鏈專業人士推出的自主智能體，此外，在未來一年，微軟將開發更多智能體，為客戶創造競爭優勢。企業正加速利用企業正加速利用Agent來增加收入、降低成本并擴大影響力來增加收入、降低成本并擴大影響力。陶氏化學公司（Do

125、w）預計，引入Copilot后，在首年內削減了數百萬美元的運輸成本；昆士蘭銀行集團（BQG）報告顯示，70%的用戶每周可以節省2.5至5小時的工作時間；伊頓公司（Eaton）借助Copilot將內部文檔處理效率提升了83%；而埃森哲（Accenture）計劃為十萬名員工全面部署Copilot，推動業務的智能化轉型升級。這些案例均體現了Agent在各行業驅動效率和價值提升方面的潛力。識別風險，發現價值 請務必閱讀末頁的免責聲明 4141/4646 Table_PageText 深度分析|計算機 圖圖 51：Copilot 是用戶與智能體交互的界面是用戶與智能體交互的界面 圖圖 52：Copilo

126、t Studio 推出定制推出定制 AI Agent 新功能新功能 數據來源：微軟科技官微，廣發證券發展研究中心 數據來源：微軟科技官微，廣發證券發展研究中心 Agent是未來發展是未來發展的重要的重要趨勢。趨勢。通過人機交互模式的視角來觀察和分析AI ToB應用的發展現狀，可以發現不同模式下的應用場景逐漸清晰。其中嵌入模式主要用于內容生成，副駕駛模式應用于軟件開發與辦公場景中的Copilot助手，而Agent模式則對應于銷售和客服場景中的智能代理。AI Agent作為智能系統，能夠感知和收集外部數據，識別數據中的模式并做出決策，最終執行所需的操作。而在B端場景中，由于業務場景較為明確，有較多

127、的行業知識與數據積累，與AI Agent的感知理解、決策執行以及交互等特點較為適配。因此，Agent有望成為B端應用的未來發展趨勢，應用前景廣闊。（二）軟件開發、廣告投放和（二）軟件開發、廣告投放和 CRM 等高等高 ROI 場景將率先實現場景將率先實現 PMF 縱觀這一輪縱觀這一輪AI技術的落地應用，我們認為，技術的落地應用，我們認為，B端的高端的高ROI場景將率先實現場景將率先實現產品市場契產品市場契合合（PMF，Product-Market Fit）。借助AI大模型技術，在廣告投放和CRM等業務場景中，企業可以直接將工作結果本身作為產品來銷售，為客戶創造價值，而非提效工具，同時，成本也將

128、有所降低。例如，軟件廠商利用AI技術直接生成廣告創意、個性化營銷方案或客戶服務對話，并將這些成果直接出售，客戶可以直接使用這些結果來提升廣告效果、優化客戶關系或實現其它商業價值。而這些直接關乎企業收入增長，能為其帶來可量化的投資回報，因此也能得到更快的市場采納，率先實現產品市場契合。我們我們判斷判斷，AI大模型技術大模型技術的的B端高端高ROI應用應用場景包括但不限于：場景包括但不限于：(1)軟件開發：由于軟件開發具有高度的標準化和可重復性，代碼生成、錯誤修復、性能優化等傳統編程工作可以通過AI進行大規模自動化，減少錯誤概率。同時，投入產出具有可量化性，例如減少20%的開發周期或30%的人員投

129、入。(2)廣告投放：通過AI優化廣告文案生成、受眾精準定位和實時優化，企業能夠提高廣告效果，看到顯著的商業回報。(3)CRM：相比人力資源、行政等部門，CRM系統與企業收入增長緊密相關。通過優化客戶服務、提升客戶滿意度和忠誠度，能夠直接推動客戶復購、提高客戶生命周期價值（CLV），減少客戶流失。這種直接的財務效益使得CRM成為企業優 識別風險，發現價值 請務必閱讀末頁的免責聲明 4242/4646 Table_PageText 深度分析|計算機 先考慮的應用場景。其次，CRM領域專業知識相對公開，并且領域內的標準操作和策略已經相對成熟，且容錯率較高，AI大模型系統能夠快速部署并見效。我們設定一

130、個銷售場景來測算我們設定一個銷售場景來測算AI大模型系統大模型系統投入的投入的ROI。某B2B企業目前采用的是傳統的銷售團隊，AI大模型系統將用于幫助銷售代表進行潛在客戶篩選、智能推薦、自動化郵件和跟進等工作，優化銷售轉化過程，提升潛在客戶的轉化率。假設：(1)年度銷售支出：公司目前的年度銷售團隊支出為2000萬美元，包括銷售人員的工資、獎金、差旅費等；(2)銷售數量及年薪：每個銷售的年薪為8萬美元，共100名銷售。(3)客戶轉化率：每位銷售代表目前的客戶轉化率為3%（即每100個潛在客戶中有3個最終成交）；每天可以接觸5個潛在客戶，每年工作250天；(4)單客收入：平均每個客戶銷售收入為5萬

131、美元。(5)AI大模型系統費用：年度訂閱費每年600萬美元，包括數據處理、云服務費用、API調用和維護，培訓和實施費用為100萬美元，總年度費用為700萬美元。假設通過AI系統的應用，銷售團隊能夠通過更加精準的客戶篩選和自動化的溝通策略，將客戶轉化率提升1%。同時，基于大模型AI賦能，假設銷售人員數量降幅為20%，此時整體銷售客戶覆蓋范圍實現微增（若降幅為25%，客戶數正好持平），可以計算得出現有總客戶數量為4000個，總銷售收入增長至2億美元。此時，通過AI系統的年度收入增長1250萬美元，成本減少160萬美元。故AI系統投資凈收益為收入增長額加上成本減少額再減去AI系統費用，為710萬美元

132、，除以AI系統費用700萬美元得到ROI為101%。此外，我們對客戶轉化率提升幅度和銷售人員數量減少幅度進行了敏感性分析，以評估不同場景下的ROI影響。然而，由于測算過程中的一些假設較為粗糙，部分變量的設置未能充分反映現實的復雜性，導致ROI的波動范圍較大，表明模型對輸入變量的變化高度敏感。雖然分析結果能夠大致反映ROI的變化趨勢，但對于具體數值的精準性仍需謹慎解讀。表表 11：客戶轉化率提升幅度和銷售：客戶轉化率提升幅度和銷售人員人員數量減少幅度的敏感性分析數量減少幅度的敏感性分析 ROI 銷售銷售人員人員數量降幅數量降幅 19.0%19.5%20.0%20.5%21.0%客戶轉客戶轉化率提

133、化率提升幅度升幅度 0.80%-9%-25%-41%-58%-74%0.90%64%47%30%13%-4%1.00%136%119%101%84%67%1.10%208%191%173%155%137%1.20%281%262%244%226%208%數據來源：廣發證券發展研究中心 通過該測算還可以看出，在銷售場景，AI大模型應用不僅能夠有效提升銷售團隊轉化率從而提升業績，同時可以通過自動化和優化銷售流程來節省人力成本。識別風險，發現價值 請務必閱讀末頁的免責聲明 4343/4646 Table_PageText 深度分析|計算機 而在企業內部效率工具的商業化落地方面，進展而在企業內部效率工

134、具的商業化落地方面，進展相對相對緩慢，主要原因在于這類工具緩慢，主要原因在于這類工具帶來的帶來的直接業務收益直接業務收益更更低。低。例如，辦公軟件和創意生成類工具雖然能在一定程度上提高效率，在企業內部測試時應用較多，但在實際生產場景中上線較少，商業價值更為間接，且往往依賴人工的輔助和干預，其對核心業務的貢獻影響難以量化。相較之下，軟件開發類場景商業化價值更高，大模型技術能夠在軟件開發中實現大規模自動化，減少人工干預，顯著提升開發效率和降低開發成本。此外，這些技術的成果與企業的產品開發和收入增長直接掛鉤，業務收益更高。因此，可以得出結論，軟件開發領域因其高自動化潛力和對企業直接收入的貢獻，成為A

135、I大模型技術應用的高ROI場景。而辦公軟件和創意生成類工具則主要體現在間接效率的提升上，當前的投入產出比相對較低，更多依賴于長期積累和市場反饋來驗證其商業價值?？傮w而言，AI大模型在辦公軟件和創意生成等場景中，處理能力有限，需要人工輔助干預，直接收益較低，對核心業務的貢獻影響難以量化，暫時難以產生革命性的變化。而軟件開發、廣告投放和CRM等領域，由于具有較為標準化的任務和對效率提升的明確需求，能帶來可量化的投資回報，因此也能得到更快的市場采納，將率先實現產品市場契合。AI應用端，應用端，建議關注：第四范式、萬興科技、金山辦公、福昕軟件、商湯、虹軟科技、星環科技、金蝶國際、中科創達、新致軟件、泛

136、微網絡、中控技術、賽意信息、漢得信息、鼎捷軟件、合合信息、同花順、九方智投控股、中科軟、佳發教育、衛寧健康、潤達醫療等；AI算力端，算力端，建議關注：寒武紀、紫光股份、浪潮信息、中科曙光、神州數碼等。識別風險，發現價值 請務必閱讀末頁的免責聲明 4444/4646 Table_PageText 深度分析|計算機 五、風險提示五、風險提示（一）（一）GenAI應用商業化落地的不確定性應用商業化落地的不確定性 AI大模型技術處于發展早期，技術迭代較快，同時，個人和企業可能仍然沒有足夠動力采用，需要進行用戶教育與市場普及。商業化應用面臨技術不成熟、市場需求波動等諸多不確定性。（二）（二）AI應用軟件

137、市場競爭加劇應用軟件市場競爭加劇風險風險 隨著AI模型效果的持續提升和推理成本的逐步下降，AI應用的快速發展成為可能。在此基礎上，應用軟件市場將迎來新的變革，AI原生創業公司憑借技術創新和靈活性快速崛起，而傳統巨頭則通過深厚的資源和行業積累加速布局AI功能，競爭或將加劇。（三）（三）AI生成內容存在知識版權糾紛的風險生成內容存在知識版權糾紛的風險 目前，我國尚未針對AI大模型生成內容的版權歸屬出臺明確的法律法規。若生成內容涉及版權糾紛，可能為研發團隊帶來法律風險和不確定性，從而對AI應用的推廣和發展產生一定影響。識別風險，發現價值 請務必閱讀末頁的免責聲明 4545/4646 Table_Pa

138、geText 深度分析|計算機 廣發計算機行業研究小組廣發計算機行業研究小組 劉 雪 峰：首席分析師，東南大學工學士，中國人民大學經濟學碩士，1997 年起先后在數家 IT 行業跨國公司從事技術、運營與全球項目管理工作。2010 年就職于招商證券研究發展中心負責計算機組行業研究工作，2014 年加入廣發證券發展研究中心。吳 祖 鵬：資深分析師，中南大學材料工程學士，復旦大學經濟學碩士，曾先后任職于華泰證券、華西證券，2021 年加入廣發證券發展研究中心。李 婉 云：資深分析師，西南財經大學金融學碩士，2022 年加入廣發證券發展研究中心。周 源：資深分析師，慕尼黑工業大學碩士，2021 年加入

139、廣發證券，曾任職于 TUMCREATE 自動駕駛科技公司，負責大數據相關工作。王 鈺 翔：研究員，哥倫比亞大學運籌學碩士，2024 年加入廣發證券發展研究中心。戴 亞 敏：研究員，北京大學金融碩士，2024 年加入廣發證券發展研究中心。廣發證券廣發證券行業行業投資評級說明投資評級說明 買入：預期未來12 個月內，股價表現強于大盤 10%以上。持有：預期未來12 個月內，股價相對大盤的變動幅度介于-10%+10%。賣出：預期未來12 個月內，股價表現弱于大盤 10%以上。廣發證券廣發證券公司投資評級說明公司投資評級說明 買入：預期未來12 個月內，股價表現強于大盤 15%以上。增持：預期未來12

140、 個月內，股價表現強于大盤 5%-15%。持有：預期未來12 個月內，股價相對大盤的變動幅度介于-5%+5%。賣出：預期未來12 個月內，股價表現弱于大盤 5%以上。聯系我們聯系我們 廣州市 深圳市 北京市 上海市 香港 地址 廣州市天河區馬場路26 號廣發證券大廈47 樓 深圳市福田區益田路6001 號太平金融大廈 31 層 北京市西城區月壇北街 2 號月壇大廈 18層 上海市浦東新區南泉北路 429 號泰康保險大廈 37 樓 香港灣仔駱克道 81號廣發大廈 27 樓 郵政編碼 510627 518026 100045 200120-客服郵箱 法律主體法律主體聲明聲明 本報告由廣發證券股份有

141、限公司或其關聯機構制作，廣發證券股份有限公司及其關聯機構以下統稱為“廣發證券”。本報告的分銷依據不同國家、地區的法律、法規和監管要求由廣發證券于該國家或地區的具有相關合法合規經營資質的子公司/經營機構完成。廣發證券股份有限公司具備中國證監會批復的證券投資咨詢業務資格，接受中國證監會監管，負責本報告于中國（港澳臺地區除外）的分銷。廣發證券（香港）經紀有限公司具備香港證監會批復的就證券提供意見（4 號牌照）的牌照，接受香港證監會監管，負責本報告于中國香港地區的分銷。本報告署名研究人員所持中國證券業協會注冊分析師資質信息和香港證監會批復的牌照信息已于署名研究人員姓名處披露。重要重要聲明聲明 投資對不

142、依據內 識別風險，發現價值 請務必閱讀末頁的免責聲明 4646/4646 Table_PageText 深度分析|計算機 廣發證券股份有限公司及其關聯機構可能與本報告中提及的公司尋求或正在建立業務關系，因此，投資者應當考慮廣發證券股份有限公司及其關聯機構因可能存在的潛在利益沖突而對本報告的獨立性產生影響。投資者不應僅依據本報告內容作出任何投資決策。投資者應自主作出投資決策并自行承擔投資風險，任何形式的分享證券投資收益或者分擔證券投資損失的書面或者口頭承諾均為無效。本報告署名研究人員、聯系人（以下均簡稱“研究人員”）針對本報告中相關公司或證券的研究分析內容，在此聲明：（1）本報告的全部分析結論、

143、研究觀點均精確反映研究人員于本報告發出當日的關于相關公司或證券的所有個人觀點，并不代表廣發證券的立場；（2）研究人員的部分或全部的報酬無論在過去、現在還是將來均不會與本報告所述特定分析結論、研究觀點具有直接或間接的聯系。研究人員制作本報告的報酬標準依據研究質量、客戶評價、工作量等多種因素確定，其影響因素亦包括廣發證券的整體經營收入，該等經營收入部分來源于廣發證券的投資銀行類業務。本報告僅面向經廣發證券授權使用的客戶/特定合作機構發送，不對外公開發布，只有接收人才可以使用，且對于接收人而言具有保密義務。廣發證券并不因相關人員通過其他途徑收到或閱讀本報告而視其為廣發證券的客戶。在特定國家或地區傳播

144、或者發布本報告可能違反當地法律，廣發證券并未采取任何行動以允許于該等國家或地區傳播或者分銷本報告。本報告所提及證券可能不被允許在某些國家或地區內出售。請注意，投資涉及風險，證券價格可能會波動，因此投資回報可能會有所變化，過去的業績并不保證未來的表現。本報告的內容、觀點或建議并未考慮任何個別客戶的具體投資目標、財務狀況和特殊需求，不應被視為對特定客戶關于特定證券或金融工具的投資建議。本報告發送給某客戶是基于該客戶被認為有能力獨立評估投資風險、獨立行使投資決策并獨立承擔相應風險。本報告所載資料的來源及觀點的出處皆被廣發證券認為可靠，但廣發證券不對其準確性、完整性做出任何保證。報告內容僅供參考，報告

145、中的信息或所表達觀點不構成所涉證券買賣的出價或詢價。廣發證券不對因使用本報告的內容而引致的損失承擔任何責任，除非法律法規有明確規定?？蛻舨粦员緢蟾嫒〈洫毩⑴袛嗷騼H根據本報告做出決策，如有需要，應先咨詢專業意見。廣發證券可發出其它與本報告所載信息不一致及有不同結論的報告。本報告反映研究人員的不同觀點、見解及分析方法，并不代表廣發證券的立場。廣發證券的銷售人員、交易員或其他專業人士可能以書面或口頭形式，向其客戶或自營交易部門提供與本報告觀點相反的市場評論或交易策略，廣發證券的自營交易部門亦可能會有與本報告觀點不一致，甚至相反的投資策略。報告所載資料、意見及推測僅反映研究人員于發出本報告當日的判

146、斷，可隨時更改且無需另行通告。廣發證券或其證券研究報告業務的相關董事、高級職員、分析師和員工可能擁有本報告所提及證券的權益。在閱讀本報告時，收件人應了解相關的權益披露（若有）。本研究報告可能包括和/或描述/呈列期貨合約價格的事實歷史信息（“信息”）。請注意此信息僅供用作組成我們的研究方法/分析中的部分論點/依據/證據，以支持我們對所述相關行業/公司的觀點的結論。在任何情況下，它并不（明示或暗示）與香港證監會第 5 類受規管活動（就期貨合約提供意見）有關聯或構成此活動。權益披露權益披露(1)廣發證券（香港）跟本研究報告所述公司在過去 12 個月內并沒有任何投資銀行業務的關系。版權聲明版權聲明 未經廣發證券事先書面許可，任何機構或個人不得以任何形式翻版、復制、刊登、轉載和引用，否則由此造成的一切不良后果及法律責任由私自翻版、復制、刊登、轉載和引用者承擔。系因此者應當考慮存潛利益沖突而獨性產生影響僅容